PXD002720:DMSO或FAK抑制剂处理细胞中分离的整合素相关黏附复合物蛋白质组分析

人包皮成纤维细胞铺于纤连蛋白1小时,用DMSO或FAK抑制剂AZ13256675(3 μM,简称AZ675)处理1小时。分离整合素相关粘附复合物,经质谱分析,以确定FAK抑制后粘附复合物组成变化

pride
2016-02-02 更新
浏览 24
蛋白质分类ProteomicsMsAdhesionFocal adhesion kinase (fak)Integrin
PXD002720: Proteomic analysis of integrin-associated adhesion complexes isolated from cells treated with DMSO or FAK inhibitor

基本信息

模态
蛋白质
任务类型
分类
创建/更新时间
2016-02-02

资源简介

PXD002720:DMSO或FAK抑制剂处理细胞中分离的整合素相关黏附复合物蛋白质组分析

人包皮成纤维细胞铺于纤连蛋白1小时,用DMSO或FAK抑制剂AZ13256675(3 μM,简称AZ675)处理1小时。分离整合素相关粘附复合物,经质谱分析,以确定FAK抑制后粘附复合物组成变化。阴性对照为附着于转铁蛋白的细胞,通过转铁蛋白受体实现不依赖整合素粘附,同样分离复合物。使用LTQ Orbitrap Elite质谱仪,物种为人(来源 ebi.ac.uk)。

【数据内容】

源站描述(机器翻译,仅供参考):人包皮成纤维细胞在纤连蛋白(FN)上铺展1小时,然后用DMSO或FAK抑制剂(3 μM,AZ13256675(简称AZ675))处理1小时。从这些细胞中分离出的整合素相关黏附复合物通过质谱分析,以确定FAK抑制后黏附复合物组成的变化。作为阴性对照,还从附着于转铁蛋白(Tf)的细胞中分离了复合物;转铁蛋白可通过转铁蛋白受体实现不依赖整合素的黏附。

【主题与分类】

主题标签:Proteomics、Ms、Adhesion、Focal adhesion kinase (fak)、Integrin。本站分类:肿瘤/其他。

【获取与许可】

源站页面:https://ebi.ac.uk/pride/archive/projects/PXD002720

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

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://ebi.ac.uk/pride/archive/projects/PXD002720

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

人包皮成纤维细胞在纤连蛋白(FN)上铺展1小时,然后用DMSO或FAK抑制剂(3 μM,AZ13256675(简称AZ675))处理1小时。从这些细胞中分离出的整合素相关黏附复合物通过质谱分析,以确定FAK抑制后黏附复合物组成的变化。作为阴性对照,还从附着于转铁蛋白(Tf)的细胞中分离了复合物;转铁蛋白可通过转铁蛋白受体实现不依赖整合素的黏附。

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案