与五种前列腺癌分级及良性前列腺增生相关的组织蛋白质组特征

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD013837

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（PCa）仍是一种高发且致命的疾病。基于组织学的前列腺癌组织活检Gleason评分（GS）是预测疾病侵袭性最准确的指标，也是指导治疗策略决策和患者管理的重要措施。然而，与前列腺癌肿瘤取样相关的固有变异性和GS的主观判定仍是阻碍准确诊断和预后评估的关键挑战。因此，迫切需要新的分子特征来区分惰性与侵袭性前列腺癌，以改善患者管理和预后。在本研究中，我们采用非标记LC-MS/MS蛋白质组学技术，对涵盖五个GS分级的前列腺癌组织（每组n=10）共50例样本进行了蛋白质组谱分析，并与5例良性前列腺增生（BPH）个体的组织进行了比较。我们一致鉴定出超过2,000种蛋白质，尽管这些蛋白质在不同患者组之间及组内水平存在差异，揭示了与特定分级相关的生物学过程。

令人兴奋的是，一个由11种前列腺来源蛋白组成的小组（包括IGKV3D-20、RNASET2、TACC2、ANXA7、LMOD1、PRCP、GYG1、NDUFV1、H1FX、APOBEC3C、CTSZ）显示出能够准确区分低Gleason评分（GS）和高GS患者的潜力。这是首个针对五种前列腺癌（PCa）分级相对于良性前列腺增生（BPH）的前列腺组织蛋白质组特征进行表征的研究。我们报告了一组能够准确区分低GS和高GS前列腺癌组织的蛋白。这些有前景的蛋白可进一步作为前列腺癌侵袭性的候选生物标志物进行探索。

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。