人膀胱癌与结肠癌定量MS/MS数据集
该数据集来源于omicsdi.org，包含40例独立采集的肿瘤组织与对照样本，采用非标记定量单次LC-MS/MS方法分析
基本信息
资源简介
人膀胱癌与结肠癌定量MS/MS数据集
该数据集英文名为 Human bladder cancer and colon cancer quatitative MS/MS，来源于 omicsdi.org，在肿瘤 / 其他分类下收录。其核心内容是对一组独立采集的肿瘤组织与对照样本进行蛋白质组层面的非标记定量分析，采用单次 LC-MS/MS 方法完成检测。整组样本共 40 例，覆盖膀胱癌与结肠癌两种肿瘤类型，并分别配有相应的非恶性对照组织。该数据集的主题标签包括膀胱癌、结肠癌、非标记定量、定量 LC-MS/MS、人类以及腺癌，可用于围绕肿瘤组织与正常组织之间蛋白质表达差异的探索性研究。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
肿瘤组织与对应非恶性组织之间的分子差异是癌症研究的重要方向。蛋白质作为生命活动的直接执行者，其丰度变化往往能够反映肿瘤发生发展过程中的功能改变。基于质谱的蛋白质组学技术能够在整体水平上对复杂生物样本中的蛋白质进行鉴定与定量，其中非标记定量方法因无需体外化学标记、流程相对简洁而被广泛采用。该数据集正是在这一研究背景下产生，聚焦人类膀胱癌与结肠癌两类肿瘤，通过单次 LC-MS/MS 策略获取肿瘤组织与对照组织中的定量蛋白质组信息，为后续差异分析与生物学解释提供数据基础。
【数据内容】
该数据集包含 40 例独立采集的样本，分为四组，每组 10 例。第一组为结肠肿瘤样本，即腺癌样本，共 10 例；第二组为结肠非恶性对照组织样本，共 10 例；第三组为膀胱癌样本，共 10 例；第四组为膀胱非恶性对照组织样本，共 10 例。所有样本均通过非标记定量单次 LC-MS/MS 方法进行分析。数据集的主题标签涵盖膀胱癌、结肠癌、非标记定量、定量 LC-MS/MS、人类以及腺癌，体现了其在肿瘤蛋白质组学中的定位。除上述样本构成与检测方法外，源站未提供关于蛋白质鉴定数量、定量结果、差异表达列表或原始数据文件格式的进一步说明。
【采集与来源】
该数据集来源于 omicsdi.org，源站描述指出，研究者分析了一组独立采集的 40 例肿瘤组织与对照样本，采用非标记定量单次 LC-MS/MS 方法。样本来源包括结肠肿瘤、结肠非恶性对照、膀胱癌以及膀胱非恶性对照四类，每类各 10 例。关于样本采集的具体地点、时间跨度、伦理审批信息、患者临床特征以及样本处理流程，源站未提供。
【适用场景】
该数据集适用于人类膀胱癌与结肠癌的蛋白质组学比较研究，尤其适合围绕肿瘤组织与对应非恶性组织之间蛋白质丰度差异的探索。由于同时包含结肠腺癌与膀胱癌两类肿瘤及其对照，可用于两类肿瘤各自内部肿瘤与正常组织的对比分析，也可用于两类肿瘤之间蛋白质组特征的初步比较。非标记定量单次 LC-MS/MS 的数据形式，适合开展差异蛋白筛选、功能富集分析以及候选标志物或机制假设的生成。此外，该数据集也可作为方法学研究中非标记定量流程的示例数据。需要说明的是，以上适用方向基于数据集本身的样本构成与检测方法，具体分析目标应由使用者根据研究问题确定。
【使用方法】
使用者可依据样本分组信息，将 40 例样本划分为结肠肿瘤、结肠非恶性对照、膀胱癌与膀胱非恶性对照四组，每组 10 例，进而开展组间比较。分析流程通常包括质谱原始数据的预处理、蛋白质鉴定与定量、数据归一化、缺失值处理、差异分析以及后续的生物学解释。由于该数据集采用非标记定量单次 LC-MS/MS 方法，使用时应关注非标记定量常见的批次效应与运行间变异问题，并在分析中采取适当的归一化与统计策略。关于原始数据下载方式、文件格式、检索数据库参数以及推荐分析工具，源站未提供。
【质量与限制】
该数据集的样本量为 40 例，四组各 10 例，属于中等规模的蛋白质组学数据集。其检测方法为非标记定量单次 LC-MS/MS，单次分析可能对低丰度蛋白的鉴定深度形成一定限制。样本为独立采集，有助于降低部分系统性偏差，但源站未提供关于样本采集、处理与质控的详细描述，也未提供技术重复、仪器型号、色谱条件、质谱参数以及数据质量评估指标。因此，使用者在使用该数据集时，应充分认识到其样本规模与单次检测策略带来的局限，并结合自身研究目的谨慎解释分析结果。关于该数据集是否存在已知偏差或质控结论，源站未提供。
【引用与许可】
关于该数据集的引用方式、原始文献、作者信息、数据许可协议以及使用条款，源站未提供。使用者如需引用或再利用该数据集，应自行查阅来源站 omicsdi.org 上的相关记录以获取准确的引用与许可信息。
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/PXD004249
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
我们采用非标记定量单次LC-MS/MS方法分析了一组40份独立收集的肿瘤组织/对照样本。在这组样本中，10份源自结肠肿瘤（即AC），10份来自对照非恶性组织样本（NCA），另有10份来自BC样本，以及10份来自对照膀胱组织（NCB）样本。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
