用于测量淀粉样蛋白β浓度的混合点击法数据集
该数据集来自 Dryad,聚焦阿尔茨海默病相关的淀粉样蛋白β(Aβ)浓度测量方法。由于Aβ聚集倾向高,工作溶液通常处于低微摩尔范围,而280 nm吸光度法灵敏度不足,因此研究提出以fluorescamine与伯胺反应产生高荧光的定量方法,并以鸡蛋清溶菌酶为标准,展示荧光与伯胺浓度的线性关系

基本信息
资源简介
用于测量淀粉样蛋白β浓度的混合点击法数据集
Data from: A mix-and-click method to measure amyloid-β concentration with sub-micromolar sensitivity
该数据集来自 Dryad,聚焦阿尔茨海默病相关的淀粉样蛋白β(Aβ)浓度测量方法。由于Aβ聚集倾向高,工作溶液通常处于低微摩尔范围,而280 nm吸光度法灵敏度不足,因此研究提出以fluorescamine与伯胺反应产生高荧光的定量方法,并以鸡蛋清溶菌酶为标准,展示荧光与伯胺浓度的线性关系。数据可用于评估Aβ40、Aβ42等肽段的定量策略,支持蛋白质聚集与阿尔茨海默病相关研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):淀粉样蛋白β(Aβ)蛋白的聚集在阿尔茨海默病中起核心作用。由于蛋白质聚集是一个浓度依赖的过程,严谨的研究需要准确的浓度测量。由于Aβ蛋白的高聚集倾向,Aβ的工作溶液通常处于低微摩尔范围。因此,理想的Aβ定量方法需要高灵敏度,同时不牺牲速度和准确性。280 nm吸光度常用于测量Aβ浓度,但由于Aβ序列中只有一个酪氨酸且没有色氨酸残基,其灵敏度较低。在此,我们提出一种使用fluorescamine定量Aβ的荧光方法,fluorescamine与伯胺反应时产生高荧光。我们表明,以鸡蛋清溶菌酶为标准,荧光与伯胺浓度在较宽范围内呈线性相关
【主题与分类】
主题标签:Protein aggregation、Aβ42、Alzheimer disease、Aβ40、amyloid。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://datadryad.org/dataset/doi:10.5061/dryad.7mg3h
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.7mg3h
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:
数据集大小约 236.5 KB。
数据说明
淀粉样β蛋白(Aβ)的聚集在阿尔茨海默病中起着核心作用。由于蛋白质聚集是一个浓度依赖的过程,因此严谨的研究需要精确的浓度测量。鉴于Aβ蛋白高度倾向于聚集,其工作溶液通常处于低微摩尔范围内。因此,理想的Aβ定量方法需具备高灵敏度,同时不牺牲速度和准确性。尽管常采用280纳米吸光度来测定Aβ浓度,但由于Aβ序列中仅含一个酪氨酸且无色氨酸残基,此法灵敏度较低。在此,我们介绍一种利用荧光胺进行Aβ定量的荧光方法,该方法在与伯胺反应时会产生高强度荧光。我们展示,以鸡蛋清溶菌酶作为标准品时,荧光与伯胺浓度在广泛的荧光胺浓度范围内(62.5至1000微摩尔)呈线性相关。当荧光胺浓度达到250微摩尔或更高时,检测灵敏度达到最大。
荧光胺法适用于二甲基亚砜的存在,后者常用于Aβ寡聚体的制备,并因高背景读数而限制了280 nm处的吸光度使用。通过聚集动力学,我们表明荧光胺法在低微摩尔范围内可给出准确的浓度测量,并导致高度一致的聚集数据。我们推荐在Aβ寡聚化和纤维化实验中使用荧光胺测定法进行常规和即时浓度测定。
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。




