PXD000603：肺癌与正常肺组织 LC-MS/MS

数据集获取

源站：https://ebi.ac.uk/pride/archive/projects/PXD000603

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

以染色体为中心的人类蛋白质组计划（C-HPP）近期作为一项国际协作项目启动。本团队承担了9号染色体（Chr 9）的研究任务，开展了生物信息学与蛋白质基因组学分析，以编目来自正常组织、肺癌细胞系及肺癌组织中由Chr 9编码的蛋白质。采用TQ orbitrap，在m/z 350至1500范围内以15 000分辨率（在m/z 400处）采集Orbitrap全扫描MS数据。母离子通过LTQ进行碎裂（隔离宽度为2个m/z单位），最大注入时间为100 ms，AGC值为1×10^4，采用三种碎裂模式，如单独碰撞诱导解离（CID），试剂离子源发射电流、试剂离子电子能量及试剂离子源化学电离压力分别设置为35 mA、70 V和26 psi。数据库：UniProt数据库（版本2012-06，86,875条记录）。搜索软件：MASCOT软件（版本2.2.04）。

数据库检索标准如下：分类学为Homo sapiens，固定修饰为半胱氨酸残基的羧酰胺甲基化（+57 Da），可变修饰为甲硫氨酸残基的氧化（+16 Da），最大允许漏切位点为两个，质谱容差为10 ppm。仅考虑由胰蛋白酶消化产生的肽段。使用PeptideProphet和ProteinProphet估计错误发现率（FDR）。我们在蛋白质水平上以FDR < 1%的标准，使用两个或更多独特肽段来鉴定蛋白质。

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。