蛋白质基因组系统分析识别EGFR突变肺癌靶向治疗耐药机制
该数据集来自omicsdi.org，属于肿瘤/肺癌分类，主题为EGFR突变非小细胞肺癌对靶向治疗耐药机制的系统分析。数据整合全外显子测序、全局时间过程发现磷酸化蛋白质组学与计算建模，用于识别功能相关的分子改变，将可能介导耐药的2000多个遗传事件缩减至44个磷酸化蛋白和35个拓扑邻近的遗传改变
基本信息
资源简介
蛋白质基因组系统分析识别EGFR突变肺癌靶向治疗耐药机制
该数据集聚焦于EGFR突变非小细胞肺癌对靶向治疗产生耐药机制的系统性分析，属于肿瘤/肺癌研究领域。其核心思路是将全外显子测序、全局时间过程发现磷酸化蛋白质组学与计算建模整合起来，从大量遗传事件中筛选出与耐药功能相关的分子改变。研究背景在于癌症精准医学高度依赖对肿瘤遗传变异的理解，而许多罕见突变及驱动突变组合的功能效应仍不明确。通过系统分析，该工作将可能介导耐药的2000多个遗传事件缩减至44个磷酸化蛋白和35个拓扑邻近的遗传改变，为理解靶向治疗耐药提供了功能层面的线索。
【数据集背景】
癌症精准医学在很大程度上依赖于对肿瘤遗传变异的认识。下一代测序研究已经揭示，许多癌症具有高度的突变复杂性。然而，大量观察到的突变被认为与癌症并无因果联系，同时许多罕见突变以及驱动突变组合的功能效应往往仍然未知。正是在这一背景下，该数据集针对EGFR突变非小细胞肺癌对靶向治疗耐药的模型展开系统分析，试图在复杂的遗传背景中识别真正具有功能相关性的分子改变。其主题标签包括肺癌、蛋白质组学、系统生物学和耐药性，体现了多组学与系统分析相结合的研究取向。
【数据内容】
该数据集整合了全外显子测序、全局时间过程发现磷酸化蛋白质组学以及计算建模。通过这种整合策略，研究对EGFR突变非小细胞肺癌耐药模型进行了系统分析，目标是从可能参与介导耐药的超过2000个遗传事件中，缩减并识别出功能相关的分子改变。最终，该分析将复杂性降低至44个磷酸化蛋白和35个拓扑邻近的遗传改变。这些内容构成了数据集在分子层面上的核心信息，涉及遗传变异与磷酸化蛋白质组两个层面的数据整合。
【采集与来源】
该数据集来源于omicsdi.org，本站分类为肿瘤/肺癌。其英文名称为“Proteogenomic systems analysis identifies targeted therapy resistance mechanisms in EGFR-mutated lung cancer”。源站描述提供了该研究的概要，说明其采用系统分析框架，针对EGFR突变非小细胞肺癌对靶向治疗耐药的模型，整合全外显子测序、全局时间过程发现磷酸化蛋白质组学和计算建模。除上述来源信息外，关于具体样本采集地点、时间、伦理审批等细节，源站未提供。
【适用场景】
该数据集适用于肿瘤/肺癌相关研究，尤其是EGFR突变非小细胞肺癌对靶向治疗耐药机制的系统分析。其主题标签涵盖肺癌、蛋白质组学、系统生物学和耐药性，因此可服务于关注耐药机制、磷酸化蛋白质组学、全外显子测序数据整合以及计算建模的研究场景。该数据集的核心用途在于识别功能相关的分子改变，并展示如何从大量遗传事件中缩减至较少数量的磷酸化蛋白和拓扑邻近遗传改变，从而为后续功能验证或机制研究提供候选线索。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、文件格式、分析流程或软件工具等均未在已有信息中体现。因此，关于如何下载、处理或复用该数据集，无法依据现有信息进行描述。
【质量与限制】
源站未提供关于数据质量、覆盖度、样本量、技术重复、批次效应或验证实验等具体信息。已知的限制性信息仅包括该研究基于一个EGFR突变非小细胞肺癌耐药模型，并将分析范围从超过2000个遗传事件缩减至44个磷酸化蛋白和35个拓扑邻近的遗传改变。除此之外，关于数据质量与局限性的其他方面，源站未提供。
【引用与许可】
源站未提供引用方式、许可协议或使用条款等信息。
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://omicsdi.org/dataset/pride/PXD009996
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
癌症精准医学在很大程度上依赖于对肿瘤基因异常的认识，而下一代测序研究已显示许多癌症具有高度的突变复杂性。尽管大量观察到的突变被认为与癌症无因果关联，但许多罕见突变以及驱动突变组合的功能效应往往尚不清楚。在此，我们对一种对靶向治疗耐药的EGFR突变非小细胞肺癌模型进行了系统分析，该分析整合了全外显子测序、全局时间过程发现磷酸蛋白质组学和计算建模，以识别功能相关的分子改变。我们的方法能够将可能参与介导耐药的2000多个遗传事件简化至仅44个磷酸化蛋白质和35个拓扑上相近的遗传改变。我们针对预测的磷酸化蛋白质进行了单药和联合药物测试，发现靶向HSPB1、DBNL和AKT1显示出强效的抗增殖作用，克服了对EGFR抑制治疗的耐药性。
因此，我们的方法可用于补充突变谱分析，以识别功能相关的分子异常，并提出跨癌症的联合治疗方案。
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。
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。
