MSstats+基准与TPCPA DIA报告：Spectronaut与DIA-NN导出镜像

数据集获取

源站：https://doi.org/10.5281/zenodo.23615038

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。

数据集大小约 21.92 GB。

数据说明

在MSstats+论文（Kohler等，Nature Communications 2026，doi:10.1038/s41467-026-78591-w）中分析的Spectronaut和DIA-NN报告表，以带校验和的gzip压缩文件形式提供，并附有每个实验的样本注释：K562和CSF稀释系列（Orbitrap Astral DIA；Spectronaut 19 directDIA+，45次和47次运行；DIA-NN 2，各40次运行），以及Guzman等的三物种混合物基准数据集（PXD046444；Spectronaut 19，18次运行），镜像自MassIVE再分析RMSV000000701（doi:10.25345/C5KP7V579）；还有泛癌蛋白质组图谱（TPCPA；DIA-NN 1.8，1,236次运行，6500万行），镜像自其原始PRIDE提交PXD054790，因为作者的MassIVE副本以截断行结尾。存放这些文件是为了让APB（AnnData Proteomics Bridge）的转换和缩放测试能够下载大型DIA报告的稳定副本。MSstats输入、模型和R对象保留在MassIVE容器中。共19个文件，存储时21.9 GB，解压后99.7 GB；manifest.tsv将每个文件映射到其MassIVE或PRIDE路径，并包含大小、MD5和SHA-256。参见本记录中的DESCRIPTION.md。

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。