基于CZE-MS/MS的定量top-down蛋白质组学揭示健康与阿尔茨海默病人脑的显著proteoform差异
该数据集来自omicsdi.org,属于神经系统疾病/阿尔茨海默病分类,围绕CZE-MS/MS定量top-down蛋白质组学,比较阿尔茨海默病患者与健康对照死后脑组织中的proteoform差异

基本信息
资源简介
基于CZE-MS/MS的定量top-down蛋白质组学揭示健康与阿尔茨海默病人脑的显著proteoform差异
该数据集来自omicsdi.org,属于神经系统疾病/阿尔茨海默病分类,围绕CZE-MS/MS定量top-down蛋白质组学,比较阿尔茨海默病患者与健康对照死后脑组织中的proteoform差异。研究采用SEC分级-CZE-MS/MS平台,鉴定出3,191个独特proteoform,并发现AD与健康受试者之间存在不同的proteoform特征,同时涉及主成分分析。数据可用于探索AD脑内proteoform层面变化及Tau磷酸化等相关分子机制研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):阿尔茨海默病(AD)是一种以认知衰退和病理性蛋白聚集为特征的神经退行性疾病。全面表征AD患者人脑并与健康样本比较,对于更好地理解驱动AD进展的分子机制至关重要。尽管已开展许多针对AD脑的大规模bottom-up蛋白质组学研究,但针对人AD脑的top-down蛋白质组学(TDP)研究仍然有限。本研究采用基于CZE-MS/MS的无标记定量TDP,分析AD患者与健康对照死后脑组织中的proteoform差异。使用稳健的尺寸排阻色谱(SEC)分级-CZE-MS/MS平台,我们鉴定了3,191个独特proteoform,揭示了AD与健康受试者之间不同的proteoform特征。主成分分析(PCA)a
【主题与分类】
主题标签:Top-down proteomics、Human brain、Proteoform、Tau phosphorylation.、Cze-ms/ms、Alzheimer's disease。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD065459
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://omicsdi.org/dataset/pride/PXD065459
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
阿尔茨海默病(AD)是一种以认知衰退和病理性蛋白质聚集为特征的神经退行性疾病。对AD患者人脑进行全面的蛋白质表征,并与健康样本进行比较,对于更好地理解驱动AD进展的分子机制至关重要。尽管已开展了许多针对AD脑组织的大规模自下而上蛋白质组学研究,但针对人AD脑组织的自上而下蛋白质组学(TDP)研究仍然有限。本研究采用基于CZE-MS/MS的非标记定量TDP,对AD患者和健康对照者死后脑组织中的蛋白质变体差异进行了分析。利用稳健的体积排阻色谱(SEC)分级-CZE-MS/MS平台,我们鉴定了3,191个独特的蛋白质变体,揭示了AD与健康受试者之间不同的蛋白质变体特征。主成分分析(PCA)和层次聚类显示,AD样本呈现出明显的分离,这是由蛋白质变体丰度的疾病特异性变化所驱动的。
值得注意的是,AD组织表现出磷酸化水平升高及组合性翻译后修饰(PTMs),包括过度磷酸化的tau蛋白和修饰的神经颗粒素蛋白变体,这些均与突触功能障碍和神经退行性变相关。钙调蛋白-1和MAPT等关键蛋白的蛋白变体受到双向调控,进一步凸显了AD发病机制中的功能分化。通路分析将AD中上调的蛋白变体与淀粉样纤维形成和微管破坏联系起来,而健康样本则富集于突触传递和轴突发生通路。这些发现强调了蛋白变体特异性改变在AD病理中的关键作用,为分子机制和潜在治疗靶点提供了新见解。
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。




