无库DIA-MS前列腺癌进展蛋白质组指纹图谱揭示系统性且保守的通路失调

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000091469

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

前列腺癌是男性中第二常见的癌症，也是总体年龄调整发病率最高的癌症。由于诊断率与高龄呈正相关，许多癌症高发国家的老龄化人口迫切需要开发简便策略以准确识别和分层该疾病。蛋白质生物标志物在前列腺癌诊断和治疗监测中应用广泛，但常因准确性不足而受到批评，导致诊断不足或过度诊断、治疗不当或严重程度的错误指示。综上所述，揭示能够实现微创癌症诊断及可靠分层疾病状态的生物分子指纹或蛋白质组合的需求从未如此迫切。传统上，针对这一目标的研究受限于缺乏能够模拟与不同前列腺癌严重程度相关的独特基因型和表型特征的模型生物。最近开发的良性前列腺增生至前列腺癌(BCaP)细胞模型消除了这一限制，使得能够可靠地将蛋白质表达变化与癌症表型相关联。

本文中，我们采用无文库数据非依赖型采集质谱技术研究了三种进展性前列腺癌表型。通过鉴定91,785条肽段并定量6,614种蛋白质，我们揭示了1,242个随癌症进展而失调的生物分子特征。在该蛋白质队列中突出显示了7种不同的诊断表达模式，我们揭示了着丝粒形成、细胞骨架组织、代谢加工和干扰素信号传导等关键生物学过程的渐进性重组。我们还提供了转录本与蛋白质水平分析的主题性比较，阐明了蛋白质组学测量的重要性以及定期多模式分析的必要性。总之，本研究对蛋白质水平的扰动进行了初步探究。

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。