用于检测高级别膀胱癌的高灵敏度蛋白质生物标志物组合的鉴定

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD065950

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

膀胱癌是全球第五大常见恶性肿瘤，由于其高复发率以及对膀胱镜检查等侵入性检测方法的依赖，在诊断方面面临重大挑战。当前的诊断工具，包括细胞学检查，敏感性有限。本研究旨在识别可作为高危膀胱癌非侵入性诊断工具的尿液蛋白质生物标志物。我们采用基于质谱的蛋白质组学分析，对膀胱癌患者和对照个体的尿液样本进行了评估。研究确定了由四种蛋白质生物标志物组成的联合检测 panel——补体因子H（CFH）、纤维蛋白原β（FGB）、α-2-巨球蛋白（A2M）和胰α-淀粉酶（AMY2A）——作为一种有前景的诊断组合。这些生物标志物在检测高级别肿瘤方面表现出100%的敏感性，假阳性率为70-80%，具体取决于患者病史。与传统细胞学检查的比较分析显示，其具有更高的敏感性以及早期检测的潜力。

这些发现凸显了利用蛋白质生物标志物组合进行膀胱癌诊断的尿液蛋白质组学方法的可行性，并为开发临床可行、成本效益高且侵入性较小的筛查方法奠定了基础。

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。