复制数据:来源于MCPyV阴性与阳性Merkel细胞癌细胞系细胞外囊泡的分泌组分析
该数据集围绕Merkel细胞癌(MCC)细胞系分泌组展开,包含两株Merkel细胞多瘤病毒(MCPyV)阴性与两株MCPyV阳性Merkel细胞系的细胞外囊泡分泌蛋白分析数据

基本信息
资源简介
复制数据:来源于MCPyV阴性与阳性Merkel细胞癌细胞系细胞外囊泡的分泌组分析
Replication Data for: Secretomic analysis of extracellular vesicles originating from polyomavirus-negative and polyomavirus-positive Merkel cell carcinoma cell lines
该数据集围绕Merkel细胞癌(MCC)细胞系分泌组展开,包含两株Merkel细胞多瘤病毒(MCPyV)阴性与两株MCPyV阳性Merkel细胞系的细胞外囊泡分泌蛋白分析数据。数据由DataverseNO于2019年发布,作者为Konstantinell, Aelita Gloria Virginia,主题涉及医学、健康与生命科学、Merkel细胞癌、Merkel细胞多瘤病毒、外泌体与蛋白质组学。该数据可用于比较MCPyV阴性与阳性MCC细胞系分泌蛋白的差异,支持病毒相关肿瘤微环境、细胞外囊泡及潜在生物标志物等方向的探索性研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集涉及对两株Merkel细胞多瘤病毒(MCPyV)阴性和两株MCPyV阳性Merkel细胞系的分泌组蛋白进行分析。
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Merkel cell carcinoma、Merkel cell polyomavirus、Exosome、Proteomics。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://dataverse.no/citation?persistentId=doi:10.18710/USXCRS
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://doi.org/10.18710/USXCRS
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
该数据集涉及对两种MCPyV阴性及两种MCPyV阳性梅克尔细胞株分泌组蛋白质的分析。摘要:细胞外囊泡或外泌体构成了一种进化上保守的细胞间信号传导机制。由于其在包括恶性肿瘤在内的病理学中的作用、作为预后和诊断标志物的重要性,以及作为治疗工具的潜力,外泌体正受到越来越多的关注。梅克尔细胞癌(MCC)是一种侵袭性皮肤癌,预后较差。由于目前尚无有效的系统性治疗方法,因此提出了基于外泌体的疗法。然而,针对MCC的全面分泌组分析尚未进行。为了帮助揭示外泌体在MCC中的潜在贡献,我们研究了源自MCC的外泌体的蛋白质含量。由于所有MCC病例中约80%含有梅克尔细胞多瘤病毒(MCPyV),因此比较了两种MCPyV阴性和两种MCPyV阳性MCC细胞株的分泌组。
我们高置信度地鉴定出164种源自外泌体的蛋白质,这些蛋白质在所有四种细胞系中普遍存在,并已在ExoCarta和Vesiclepedia数据库中注释。其中包括与运动性、转移和肿瘤进展相关的蛋白质,如整合素和四跨膜蛋白、细胞内信号分子、伴侣蛋白、蛋白酶体蛋白及翻译因子。未来应进一步检测更多的病毒阴性和病毒阳性MCC细胞系,以识别具有高度代表性的外泌体蛋白质,这些蛋白质可能成为可靠的预后和诊断生物标志物,以及治疗靶点。数据可通过ProteomeXchange获取,标识符为PXD004198。
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。




