PXD015981:前列腺癌福尔马林固定石蜡包埋组织蛋白质组学分析
本数据集为肿瘤领域的蛋白质公开数据集,来源:pride。

基本信息
资源简介
PXD015981:前列腺癌福尔马林固定石蜡包埋组织蛋白质组学分析
该数据集来自ebi.ac.uk,聚焦前列腺癌的蛋白质组学研究,使用福尔马林固定石蜡包埋(FFPE)组织。研究旨在建立可靠的FFPE组织蛋白质组分析流程,并在一项试点研究中用前列腺癌临床样本评估该流程能否提供生物学相关数据。数据涉及小鼠FFPE组织经七种蛋白提取方案处理,以及人类前列腺癌样本的蛋白质组检测,可用于前列腺癌进展机制与去势抵抗相关蛋白变化的研究(来源 ebi.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):由于蛋白质代表细胞功能,前列腺组织的蛋白质组分析可能阐明前列腺癌(PCa)进展的机制。为此,福尔马林固定石蜡包埋(FFPE)组织是宝贵的资源,但由于蛋白质交联而伴随较大的分析困难。我们的目标是表征与去势抵抗性PCa相关的组织蛋白质变化。本研究侧重于开发一种可靠的FFPE组织蛋白质组分析方案,随后使用FFPE PCa临床样本进行了一项试点研究,以调查优化方案能否在PCa背景下提供生物学相关数据。使用七种蛋白质提取方案处理存档的FFPE小鼠组织,这些方案包括匀浆方式(珠子、超声、煮沸)和缓冲液(Tris-HCl和Urea-Thiourea)的组合。蛋白质组学输出
【主题与分类】
主题标签:Prostate cancer、Human、Orbitrap elite、Ffpe tissue、Ff tissue、Thermo q exactive。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/PXD015981
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。
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/PXD015981
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
蛋白质代表细胞功能,因此对前列腺组织进行蛋白质组学分析可能阐明前列腺癌(PCa)进展的机制。为此,福尔马林固定石蜡包埋(FFPE)组织是宝贵的资源,但由于蛋白质交联而伴随较大的分析困难。我们的目标是表征与去势抵抗性PCa相关的组织蛋白质变化。本研究侧重于开发一种可靠的FFPE组织蛋白质组学分析方案,随后进行了一项使用FFPE PCa临床样本的初步研究,以探究优化方案是否能在PCa背景下提供生物学相关数据。使用七种蛋白质提取方案处理存档的FFPE小鼠组织,包括匀浆方式(珠磨、超声、煮沸)和缓冲液(Tris-HCl和尿素-硫脲)的组合。通过SDS电泳和高分辨率LC-MS/MS分析评估蛋白质组学输出。
来自10例前列腺癌(PCa)患者的FFPE组织(每样本3张切片,每张15 μm),对应肿瘤区(GS=6或GS≥8)及邻近良性区域,采用优化方案进行处理。提取的蛋白质通过GeLC-MS/MS进行分析,随后使用Cytoscape和Open Targets工具进行统计学和生物信息学分析。基于蛋白质鉴定数和重现性,采用Tris-HCl、SDS和DTE裂解细胞并结合珠磨匀浆、超声处理和煮沸的方法,可从FFPE组织中实现最高效的蛋白质提取。FFPE与配对的FF组织比较显示,蛋白质鉴定结果存在大量重叠(在所有FF样本中共同鉴定的1,216个ID中有502个共同ID,在所有FFPE样本中共同鉴定的530个ID),且相对丰度呈强相关性(rs=0.846,p<.001)。在PCa GS≥8与PCa GS=6之间显著失调的蛋白质涉及细胞外基质组织、pho
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




