沙棘总黄酮改善高原红细胞增多症小鼠过度红细胞生成的蛋白质组学分析
该数据集是一个基于小鼠模型的蛋白质组学数据集合,包含通过质谱等技术获得的蛋白质表达谱和生物信息分析结果,数据模态为蛋白质组学数据,主要用于研究沙棘总黄酮改善高原红细胞增多症小鼠过度红细胞生成的分子机制,涉及天然产物药效、疾病通路探索及蛋白质组学在高原医学中的应用方向。

基本信息
资源简介
沙棘总黄酮改善高原红细胞增多症小鼠过度红细胞生成的蛋白质组学分析
【数据集背景】
本数据集源站标题为《Proteomic analysis reveals proteins and pathways associated with the effects of total flavonoids of Hippophae rhamnoides L. on ameliorating excessive erythropoiesis in high-altitude polycythemia mice.》。
【数据内容】
源站原始描述:The study established high-altitude polycythemia(HAPC) mouse model and used the 4D-label-free quantitative proteomic technology to identify the differentially expressed proteins (DEPs) after total flavonoids of Hippophae rhamnoides L.(TFH) administration. The representative DEPs related torelated to the inhibitory effect of TFH on excessive erythropoiesis were validated by PRM
中文译文(机器翻译,仅供快速理解,请以原文为准):该研究建立了高原红细胞增多症(HAPC)小鼠模型,并采用4D无标记定量蛋白质组学技术鉴定了沙棘总黄酮(TFH)给药后的差异表达蛋白(DEPs)。通过PRM验证了与TFH抑制红细胞过度生成作用相关的代表性DEPs。
【数据结构与技术规格】
文件数 38 个。
【主题与分类】
主题标签:Mus musculus、10090。
【获取与许可】
源站页面:https://www.iprox.cn/page/project.html?id=IPX0009487000
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://www.iprox.cn/page/project.html?id=IPX0009487000
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
该数据集是一个基于小鼠模型的蛋白质组学研究数据集,旨在揭示沙棘总黄酮对高原红细胞增多症小鼠模型中过度红细胞生成的影响及其相关蛋白质和信号通路。数据集包含了通过蛋白质组学技术(如质谱分析)鉴定的小鼠组织或血液样本中的蛋白质表达谱数据,以及相关的生物信息学分析结果(如差异表达蛋白、富集通路等)。数据来源于在高原红细胞增多症小鼠模型上进行的沙棘总黄酮干预实验,由青海大学医学院基础医学系构建并通过集成蛋白质组资源平台发布。主要研究方向包括天然产物(沙棘总黄酮)的药效机制、高原红细胞增多症的病理生理学以及蛋白质组学在疾病治疗中的应用。
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。




