阿尔茨海默病脑脊液生物标志物发现的大规模患者队列DIA分析

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000092241

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

阿尔茨海默病（AD）的诊断主要依赖于认知评估，并结合淀粉样蛋白和tau蛋白的影像学及脑脊液（CSF）生物标志物检测。这些生物标志物与神经病理学水平具有良好的相关性，但可能不足以预测认知轨迹或对新疗法的治疗反应。对更大规模生物标志物集合进行联合分析，有望改善AD的诊断与预后评估，考察其与共病病理生理机制的相互作用并加以区分，以及衡量治疗效果。在此，我们报告了一项数据非依赖性采集（DIA）分析的数据，该分析用于同时定量一个来自神经科门诊的大规模患者队列中的数百种蛋白质，这些患者均具有诊断性腰椎穿刺的临床指征。我们的目标是在这一临床情况复杂的队列中，确定能够对AD进行分层和诊断的标志物。按照标准化的采集和处理方案，从门诊收集了408例患者的样本。

样品分21个不同批次制备，每批24个（23个样品加1个混合池），并使用Orbitrap Fusion通过LC-MS/MS进行分析。分析采用DIA方法，设置非重叠的25m/z窗口，范围从400至1000 m/z，MS1分辨率为120K，MS2分辨率为60K。每个样品重复进样两次，每次进样间进行4次柱清洗。每批中的所有样品依次运行，各批次之间相隔数天。

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。