PXD001353:截短型Tau——新内源性截短体揭示Tau N端区在微管稳定中的作用
Tau是一种微管相关蛋白,它确保了神经元的形态和功能。此外,Tau在阿尔茨海默病(AD)及相关Tau病变中扮演核心角色,在这些疾病中,Tau在退化的神经元内聚集

基本信息
资源简介
PXD001353:截短型Tau——新内源性截短体揭示Tau N端区在微管稳定中的作用
Tau是一种微管相关蛋白,它确保了神经元的形态和功能。此外,Tau在阿尔茨海默病(AD)及相关Tau病变中扮演核心角色,在这些疾病中,Tau在退化的神经元内聚集
【数据内容】
源站描述(机器翻译,仅供参考):Tau是一种微管相关蛋白,它确保了神经元的形态和功能。此外,Tau在阿尔茨海默病(AD)及相关Tau病变中扮演核心角色,在这些疾病中,Tau在退化的神经元内聚集。导致Tau病理及其进展的机制远未阐明。在AD大脑中发现的Tau种类中,显示出几种尚未识别的截断Tau片段。理解Tau截断作用的一个重大进步将是确定Tau种类的精确切割位点。这一关键步骤对于生成适当的实验工具以研究每个已识别截断种类对Tau功能/功能障碍的影响是必不可少的。在此,我们采用了一种优化的蛋白质组学方法,并成功从人脑中鉴定出多种新的N端截断Tau种类。由于这些片段的N端残基广泛分布于Tau序列中,可以预期它们对Tau会产生不同的影响。我们通过分析两种N端截断Tau种类(根据最长的Tau异构体,分别从Met11和Gln124残基开始)的生化特性,启动了基于细胞的功能研究,关注Tau的微管功能。我们的结果令人惊讶地显示,当Tau的前123个残基被截断时,其结合并稳定微管的能力更强,这表明Tau的N端可能在调节微管稳定中发挥作用。总体而言,基于我们新发现的N端截断Tau种类的未来研究将为Tau生物学以及AD病理过程中的截断作用提供新的认识。
【主题与分类】
主题标签:质谱数据、蛋白质组学、阿尔茨海默病、神经退行疾病、切割位点鉴定、截短体分析、微管稳定研究。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://ebi.ac.uk/pride/archive/projects/PXD001353
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://ebi.ac.uk/pride/archive/projects/PXD001353
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
Tau是一种微管相关蛋白,它确保了神经元的形态和功能。此外,Tau在阿尔茨海默病(AD)及相关Tau病变中扮演核心角色,在这些疾病中,Tau在退化的神经元内聚集。导致Tau病理及其进展的机制远未阐明。在AD大脑中发现的Tau种类中,显示出几种尚未识别的截断Tau片段。理解Tau截断作用的一个重大进步将是确定Tau种类的精确切割位点。这一关键步骤对于生成适当的实验工具以研究每个已识别截断种类对Tau功能/功能障碍的影响是必不可少的。在此,我们采用了一种优化的蛋白质组学方法,并成功从人脑中鉴定出多种新的N端截断Tau种类。由于这些片段的N端残基广泛分布于Tau序列中,可以预期它们对Tau会产生不同的影响。我们通过分析两种N端截断Tau种类(根据最长的Tau异构体,分别从Met11和Gln124残基开始)的生化特性,启动了基于细胞的功能研究,关注Tau的微管功能。我们的结果令人惊讶地显示,当Tau的前123个残基被截断时,其结合并稳定微管的能力更强,这表明Tau的N端可能在调节微管稳定中发挥作用。总体而言,基于我们新发现的N端截断Tau种类的未来研究将为Tau生物学以及AD病理过程中的截断作用提供新的认识。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




