细胞外囊泡蛋白质组学分析鉴定CDCP1为肺癌关键转移相关糖蛋白
该数据集来自omicsdi.org,属于肿瘤/肺癌分类,围绕细胞外囊泡(EVs)与糖蛋白在肺癌转移中的作用展开。研究比较了低转移95C与高转移95D肺癌细胞EVs的糖蛋白质组,通过凝集素亲和色谱结合定量蛋白质组学鉴定出1562个糖蛋白,其中23个在95D EVs中显著上调超过20倍,包括CDCP1、

基本信息
资源简介
细胞外囊泡蛋白质组学分析鉴定CDCP1为肺癌关键转移相关糖蛋白
该数据集来自omicsdi.org,属于肿瘤/肺癌分类,围绕细胞外囊泡(EVs)与糖蛋白在肺癌转移中的作用展开。研究比较了低转移95C与高转移95D肺癌细胞EVs的糖蛋白质组,通过凝集素亲和色谱结合定量蛋白质组学鉴定出1562个糖蛋白,其中23个在95D EVs中显著上调超过20倍,包括CDCP1、TNC、NCAM2和ITGA4,CDCP1上调达143倍并与TCGA数据库中肺癌患者不良预后显著相关。数据可用于肺癌转移机制与标志物研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肺癌是全球最常见的恶性肿瘤,转移导致超过90%的死亡。近期研究表明,细胞外囊泡(EVs)和糖蛋白在肿瘤进展中发挥关键作用。在本研究中,我们比较了95C(低转移)和95D(高转移)肺癌细胞EVs的糖蛋白质组,以发现转移中的关键靶点。通过将凝集素亲和色谱与定量蛋白质组学结合,鉴定出1562个糖蛋白。与95C EVs相比,23个糖蛋白在95D EVs中显著上调超过20倍,包括CDCP1、TNC、NCAM2和ITGA4。含CUB结构域蛋白1(CDCP1)在95D EVs中上调143倍,这与TCGA数据库中肺癌患者的不良预后显著相关。随后我们构建了CDCP1敲除(KO)的95D细胞系,并揭示该缺失
【主题与分类】
主题标签:Cdcp1、Extracellular vesicles、Glycoproteomics、Metastasis、Lung cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD064331
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/PXD064331
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
肺癌是全球最常见的恶性肿瘤,转移导致超过90%的死亡病例。近期研究表明,细胞外囊泡(EVs)和糖蛋白在肿瘤进展中发挥关键作用。本研究比较了95C(低转移性)和95D(高转移性)肺癌细胞来源EVs的糖蛋白质组,以发现转移过程中的关键靶点。通过凝集素亲和层析与定量蛋白质组学联用,共鉴定出1562种糖蛋白。与95C EVs相比,95D EVs中有23种糖蛋白显著上调超过20倍,包括CDCP1、TNC、NCAM2和ITGA4。含CUB结构域蛋白1(CDCP1)在95D EVs中上调143倍,且与TCGA数据库中肺癌患者的不良预后显著相关。随后我们构建了CDCP1敲除(KO)的95D细胞系,发现CDCP1缺失降低了细胞迁移能力,EVs与细胞共培养实验也证实了这一点。我们进一步采用基于Ti4±IMAC的磷酸蛋白质组学分析,研究CDCP1 KO细胞系中信号通路的变化。
共鉴定出147个差异表达的磷酸化蛋白,这些蛋白参与细胞黏附、细胞骨架调控及ErbB信号通路。验证实验证实,作为ErbB信号通路标志物的磷酸化SRC和JUN蛋白水平分别下降了5.5倍和4.2倍,表明CDCP1可通过ErbB信号通路促进细胞迁移。我们的数据表明,糖蛋白CDCP1被选择性包装进细胞外囊泡(EVs)中,并可能促进癌症转移,这使其成为抗转移研究和癌症治疗的关键靶点。
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。




