PXD003651:前列腺癌外泌体中的CLDN3
该数据集来自ebi.ac.uk,聚焦前列腺癌外泌体中的生物标志物研究。研究者从恶性PC3细胞与良性PNT1A细胞培养上清中分离外泌体,并设置培养基对照,采用LTQ-Orbitrap XL质谱仪分析,每个样本鉴定出441至843个蛋白质,其中64个蛋白质仅在PC3外泌体中发现

基本信息
资源简介
PXD003651:前列腺癌外泌体中的CLDN3
该数据集来自ebi.ac.uk,聚焦前列腺癌外泌体中的生物标志物研究。研究者从恶性PC3细胞与良性PNT1A细胞培养上清中分离外泌体,并设置培养基对照,采用LTQ-Orbitrap XL质谱仪分析,每个样本鉴定出441至843个蛋白质,其中64个蛋白质仅在PC3外泌体中发现。数据可用于前列腺癌外泌体候选标志物的筛选与验证,尤其关注Claudin3等蛋白在肿瘤与良性样本间的差异表达,为后续诊断标志物开发提供依据(来源 ebi.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):外泌体正成为多种疾病生物标志物的新兴来源。前列腺癌是工业化国家男性中最常见的癌症。唯一广泛使用的生物标志物是前列腺特异性抗原,其临床相关性受限于低特异性。为了鉴定前列腺癌的新型候选生物标志物,我们使用序贯离心和超速离心从在标准培养条件下生长的恶性PC3和良性PNT1A细胞的上清液中分离外泌体。为了不改变细胞生长条件,使用了含FBS的培养基。作为对照,该培养基也进行了外泌体分离。外泌体和对照样本在LTQ-Orbitrap XL质谱仪上分析,随后通过搜索SwissProt数据库,每个样本鉴定出441至843个蛋白质。64个蛋白质仅在PC3外泌体中发现,我们
【主题与分类】
主题标签:Claudin3、Mass spectrometry、Exosomes、Prostate cancer。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://ebi.ac.uk/pride/archive/projects/PXD003651
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/PXD003651
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
外泌体是各种疾病中新兴的生物标志物来源。前列腺癌是工业化国家男性中最常见的癌症。唯一广泛使用的生物标志物是前列腺特异性抗原,但其临床相关性受限于低特异性。为了识别前列腺癌的新型候选生物标志物,我们采用序贯离心和超速离心法,从在标准培养条件下生长的恶性PC3细胞和良性PNT1A细胞的上清液中分离出外泌体。为了不改变细胞的生长条件,使用了含FBS的培养基。作为对照,该培养基也进行了外泌体分离。外泌体和对照样本在LTQ-Orbitrap XL质谱仪上进行分析,随后通过搜索SwissProt数据库,每个样本中鉴定出441至843种蛋白质。仅在PC3外泌体中发现的64种蛋白质被纳入一个评分系统,该系统整合了来自五个公开数据库和文献检索的数据,以识别潜在的候选生物标志物。其中,上皮紧密连接蛋白claudin-3获得了最高评分。
在无血清条件下,采用免疫印迹和免疫金标记进行的复测证实了PC3外泌体上claudin-3的表达。直接从未经外泌体预先分离的血浆中,通过ELISA测定的循环claudin-3水平,在转移性前列腺癌患者(n=15)中显著高于组织学证实为良性前列腺增生的对照组(n=15),差异具有统计学意义(p=0.038)。我们的结果首次描述了claudin-3作为前列腺癌潜在的生物标志物候选者,可通过液体活检轻松检测,无需繁琐的外泌体分离过程。为了验证我们的发现,需要在不同临床状态的前列腺癌患者中开展包含更大队列的进一步研究。
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。
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。




