CPTAC CCRCC发现研究 - DIA蛋白质组

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000093041

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

这是CPTAC CCRCC发现研究-蛋白质组学的补充研究。将来自个体组织样本(ccRCC和NAT)的未标记消化肽段材料加入索引保留时间(iRT)肽(Biognosys)，并进行数据独立采集(DIA)分析。肾癌是男性和女性中10种最常见的癌症之一，每年约有60，000例新病例和超过14，000例死亡(NCI，监测、流行病学和最终结果(SEER)计划)。已鉴定出几种组织学和分子亚型，其中透明细胞肾细胞癌(CCRCC)最为常见(Hsieh el al.， 2017 Nat Rev Dis Primers)。为了推进对CCRCC的蛋白质基因组学理解，CPTAC计划研究了110个肿瘤(CPTAC发现队列)，并对这些样本进行了全局蛋白质组和磷酸蛋白质组分析。使用了使用同量异位标签(TMT(串联质量标签)-10)的组织质谱优化工作流程(Mertins et al.， Nature Protocols 2018)。

来自CCRCC肿瘤的蛋白质组和磷酸化蛋白质组数据可在下方获取，同时还包括来自CPTAC通用数据分析流程（CDAP）的肽段谱图分析（PSMs）和蛋白质汇总报告。提供了临床数据。随着队列特征分析的推进，将提供更多属性及基因型信息。基因组数据将从NCI基因组数据共享平台获取。注意：对该队列中基因组图谱的样本级评估识别出七个具有非典型ccRCC分子异常的肿瘤样本。虽然这七个非ccRCC样本（C3L-00359-01、C3N-00313-03、C3N-00435-05、C3N-00492-04、C3N-00832-01、C3N-01175-01、C3N-01180-01）及其对应的NATs（C3N-00435-06、C3N-00492-05、C3N-01175-05）在所有下游分析中均被排除在ccRCC队列之外，但这些非ccRCC样本可作为有用的对照，以突出ccRCC特异性特征。因此，这七个样本被标注为非ccRCC样本。数据集

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。