midostaurin在肺癌细胞中的功能蛋白质组学：磷酸酪氨酸谱分析

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD009041

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

肺癌具有高患病率和高死亡率，尽管在基因组定义的肺癌亚群中靶向药物和免疫治疗取得了显著成功，但目前大多数患者并未从这些疗法中获益。通过靶向药物筛选，我们发现最近获批的多激酶抑制剂米哚妥林在多种肺癌细胞中具有强效活性，且这种活性不依赖于其预期靶点PKC或特定的基因组标志物。为了确定其潜在的作用机制，我们应用了分层功能蛋白质组学方法和一种新的数据整合方法。利用化学蛋白质组学，我们鉴定了这些细胞中米哚妥林的多个激酶靶点。基于网络的整合方法将这些靶点与定量酪氨酸磷酸化蛋白质组学和全局磷酸化蛋白质组学数据相结合，使用STRING数据库中的蛋白质-蛋白质相互作用和NetworKIN底物预测，表明多个靶点与米哚妥林的作用模式相关。随后使用RNA干扰和选择性小分子探针进行的功能验证表明，需要同时抑制TBK1、PDK1和AURKA才能引发米哚妥林的细胞效应。

对下游信号节点的免疫印迹分析显示，联合抑制这些靶点改变了PI3K/AKT和细胞周期信号通路，这些通路部分汇聚于PLK1。此外，将midostaurin与更有效的PLK1抑制剂BI2536（该药物正处于高级临床试验阶段）进行合理联用，产生了强烈的协同效应。我们的结果表明，将互补的功能蛋白质组学方法与随后的基于网络的数据整合相结合，可以揭示对多激酶抑制剂复杂作用模式的新见解、药物发现的可操作靶点以及癌症脆弱性。最后，我们展示了如何利用这些知识来合理设计具有高临床转化潜力的协同药物组合。

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。