尺寸排阻色谱联合DIA-MS实现黑色素瘤血浆与血清细胞外囊泡深度蛋白质组分析

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000090893

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

细胞外囊泡（EVs）是黑色素瘤进展中的重要参与者，但其作为临床生物标志物的应用一直受到限制，原因包括难以对血液来源的EV蛋白进行高覆盖深度的分析、需要大量样本输入以及流程复杂。在此，我们提供了一套简化且可重复的实验工作流程，仅需极少量样本输入即可鉴定健康供者和黑色素瘤患者血浆及血清来源的EV蛋白。SEC-DIA-MS将尺寸排阻色谱与EV浓缩以及基于数据非依赖采集的深度蛋白质组分析相结合。在一个包含三名健康供者和六名黑色素瘤患者的队列中，仅使用每名患者低至200 µl的血浆，我们鉴定并定量了2‘896种EV相关蛋白，与先前发表的黑色素瘤研究相比，深度提高了3.5倍。为了将EV蛋白质组与未富集的血液进行比较，我们采用自动化工作流程从血浆和血清中去除14种丰度最高的蛋白，从而使蛋白组鉴定数量相对于天然血液大约翻倍。

EV蛋白质组与相应的未富集血浆和血清存在差异，且不同于后两者，EV蛋白质组能够区分健康供者与黑色素瘤患者样本。此外，已知的黑色素瘤标志物如MCAM、TNC和TGFBI在黑色素瘤EV中上调，但在去除了EV的黑色素瘤血浆中并未上调，凸显了EV所包含的特异性信息。总体而言，EV在完整膜蛋白以及与SNARE蛋白相互作用和T细胞生物学相关的蛋白方面显著富集。综上所述，我们证明了基于EV的蛋白质组学工作流程具有更高的灵敏度，可轻松应用于更大规模的黑色素瘤队列及其他适应症。

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。