胚系BRCA突变携带者高级别卵巢癌检测的蛋白质组学特征

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD030390

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

目前尚无筛查方法能够保证对高风险女性（如胚系BRCA突变携带者）实现高级别卵巢癌（HGOC）的有效早期发现。因此，标准治疗仍是在40岁左右进行降低风险的输卵管卵巢切除术（RRSO）。近端液体活检已被证明是颇具前景的生物标志物来源，但其敏感性尚未达到临床实施的要求。我们报告了一种新型蛋白质组学分类器在高风险人群中检测HGOC的判别性能，以及简化宫腔输卵管灌洗（UtL）作为近端液体活检采样方法的安全性和可行性。训练集包括93名HGOC高风险女性（BRCA1和BRCA2突变携带者），其中16名HGOC患者和77名无症状女性，她们在以色列3个医疗中心捐献了UtL液体活检样本（利用子宫灌洗液早期检测卵巢癌的生物标志物研究（BEDOCA）；ClinicalTrials.gov标识符：NCT03150121）。通过质谱法对样本微囊泡组分的蛋白质组进行分析，并使用逻辑回归开发了分类器。

一个独立的104名BRCA突变携带者队列被用作验证。所有在临床环境中选择UtL的女性均收集了安全性信息。

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。