CPTAC蛋白质基因组学验证性研究

数据集获取

源站：https://omicsdi.org/dataset/dbgap/phs000892

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

近年来，在表征和测序多种癌症样本的基因组改变方面取得了显著进展，这些样本数量在统计学上具有稳健性。例如，癌症基因组图谱（TCGA）、国际癌症基因组联盟（ICGC）及其他类似项目正在识别与特定癌症相关的基因组改变（如拷贝数畸变、重排、点突变、表观基因组变化等）。这些多维数据向科学界的开放为开发新的分子靶向癌症干预措施奠定了基础。理解由基因组改变及其他因素引起的癌症蛋白质组的全面功能变化，是开发高价值候选蛋白质生物标志物的下一个合理步骤。因此，蛋白质组学通过分析蛋白质表达的变化、其修饰和变异，以及负责细胞功能（如凋亡和肿瘤发生）的蛋白质-蛋白质相互作用、信号通路和网络，可以极大地促进对疾病病理分子机制的理解。

认识到这一巨大潜力后，NCI于2011年9月启动了CPTC计划的第二阶段。更名为临床蛋白质组肿瘤分析联盟（CPTAC），该联盟开始利用第一阶段的解析成果，在基因组特征明确的生物样本上定义癌症蛋白质组。这种整合方法的目的是为广大的科学界提供将基因型与蛋白质型乃至最终表型相联系的知识。本数据集包含的数据源自旨在确认来自TCGA样本的CPTAC发现的样本。这些验证性样本包括通过针对蛋白质组学优化的方案采集的乳腺、卵巢、结肠和肺部肿瘤。具体而言，样本的缺血时间受到控制并限制在30分钟以内。ACGT公司完成了全外显子、mRNA测序

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。