多微环境蛋白质组揭示头颈癌生物学特征

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD027780

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

头颈癌（HNC）的不良预后与淋巴结（LN）转移相关。本研究对一个包含59例HNC患者的队列的140份多部位样本（包括原发组织和配对的淋巴结阴性或阳性组织、唾液及血细胞）进行了蛋白质组分析，揭示了对肿瘤生物学及潜在转移生物标志物的新见解，可能有助于临床决策。蛋白质谱在各数据集中与免疫调节严格相关，这为研究与转移相关的免疫标志物提供了基础。淋巴结转移细胞的蛋白质组重现了原发肿瘤部位的蛋白质组。相反，淋巴结微环境蛋白质组则凸显了候选预后标志物。通过将优先排序的肽段、蛋白质和转录本水平与机器学习模型整合，我们在血液和唾液中识别出淋巴结转移特征。我们呈现了HNC多部位关联的蛋白质组学特征，为理解肿瘤生物学和识别转移相关特征提供了有前景的基础。

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。