慢性淋巴细胞白血病蛋白质组图谱
CLL患者样本的DIA-MS蛋白质组数据，可结合基因组、转录组和药物反应进行分型研究。由PRIDE / ProteomeXchange提供，来自PRIDE Archive，数据格式为表格，包含117条数据记录，适用于分类任务，专注于肿瘤领域的慢性淋巴细胞白血病研究。
基本信息
资源简介
慢性淋巴细胞白血病蛋白质组图谱
【一句话概览】
慢性淋巴细胞白血病（CLL）中突变对肿瘤表型的功能影响大多尚不明确，部分原因是缺乏CLL蛋白质组信息。该研究采用数据非依赖性采集质谱（DIA-MS）对117例CLL样本进行蛋白质组分析，并将结果与基因组、转录组、功能数据及临床结局整合，以揭示CLL的蛋白质组全景（来源 ebi.ac.uk）。
【数据集背景】
本数据集源站标题为《The Proteome Landscape of Chronic Lymphocytic Leukemia (CLL)》。
【数据内容】
源站原始描述：Many functional consequences of mutations on tumor phenotypes in chronic lymphocytic leukemia (CLL) are only partially known. This is in part due to a scarcity of information on the proteome of CLL. We profiled the proteome of 117 CLL samples with data-independent acquisition mass spectrometry (DIA-MS) and integrated the results with genomic, transcriptomic, functional data and clinical outcome…Read more
中文译文（机器翻译，仅供快速理解，请以原文为准）：慢性淋巴细胞白血病（CLL）中，突变对肿瘤表型产生的许多功能性后果目前仅部分为人所知。这在一定程度上是由于关于CLL蛋白质组的信息稀缺。我们采用数据独立采集质谱技术（DIA-MS）对117例CLL样本的蛋白质组进行了分析，并将结果与基因组、转录组、功能数据及临床结局相结合…阅读更多
【主题与分类】
主题标签：Chronic lymphocytic leukemia、DIA-MS、Human、Blood、B cell、Peripheral blood mononuclear cell、Orbitrap Fusion Lumos、SWATH MS、Data-independent acquisition、Proteome。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.ebi.ac.uk/pride/archive/projects/PXD022198
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://www.ebi.ac.uk/pride/archive/projects/PXD022198
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
CLL患者样本的DIA-MS蛋白质组数据，可结合基因组、转录组和药物反应进行分型研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
