伽马突触核蛋白降解组基础图谱

数据集获取

源站：https://doi.org/10.5522/04/32577780.v1

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

γ-突触核蛋白降解组基础图谱（第1版）：用于生物标志物发现的计算机蛋白质组学数据集

该Figshare存储库收录了γ-突触核蛋白降解组基础图谱，这是对γ-突触核蛋白（gamma-synuclein）经蛋白水解切割所产生的理论肽段全景进行的全面计算机重建。

该数据集专为蛋白质组学、质谱检测设计及生物标志物发现领域的研究人员而设计，涵盖了由正常蛋白质周转、受调控的酶切以及应激相关降解所产生的γ-突触核蛋白片段的完整谱系。

这标志着从将γ-突触核蛋白视为单一静态分子，转向分析其动态降解组的范式转变。蛋白质组学数据集的关键特征利用预测的酶切和化学切割位点，系统生成所有可能的γ-突触核蛋白肽段片段，并标注与液相色谱-串联质谱（LC-MS/MS）工作流程相关的关键理化性质：质谱指标：分子量、质荷比（m/z）、净电荷和等电点（pI）。结构与预测因子指数：疏水性、Boman指数、不稳定指数和脂肪族指数。在神经退行性疾病和肿瘤学研究中的应用由此产生的特征丰富的参考数据支持广泛的先进生物医学和计算应用：靶向蛋白质组学：非常适用于SRM/PRM质谱 assay 设计。生物标志物发现：识别神经退行性疾病和γ-突触核蛋白过表达的肿瘤学/癌症研究中的新型片段化靶点。计算生物学：为降解组建模和蛋白质组学中的机器学习方法提供训练数据。数据收录与可重复性该图谱包括野生型γ-s

它附带了完全可复现的Python脚本，以便用户修改切割参数。未来的版本将扩展这一开放获取资源。

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。