DIPG蛋白组数据
DIPG proteomics PXD053094 面向弥漫性内生性桥脑胶质瘤及相关疾病研究，提供可公开访问的表格数据或临床/组学信息，适合用于分类、生物标志物探索、队列比较和算法验证等研究场景。
基本信息
资源简介
DIPG蛋白组数据
【一句话概览】
弥漫内生型脑桥胶质瘤（DIPG）是一种由H3K27M致癌组蛋白驱动的致死性儿童癌症，表现出异常的表观遗传调控和干细胞样细胞状态。该研究揭示了涉及H3.3K27M致癌组蛋白与CREB5/ID1的一条轴线，其维持DIPG细胞的干细胞样状态并促进恶性进展，并证明CREB5在H3.3K27M/ACVR1WT亚型中介导ID1水平升高。数据采用LC-MSMS、自下而上蛋白质组学、Q Exactive HF和MaxQuant，物种为人类（来源 ebi.ac.uk）。
【数据集背景】
本数据集源站标题为《Human diffuse intrinsic pontine glioma (DIPG) LC-MSMS》。
【数据内容】
源站原始描述：Diffuse intrinsic pontine glioma (DIPG), a lethal pediatric cancer driven by H3K27M oncohistones, exhibits aberrant epigenetic regulation and stem-like cell states. Here, we uncover an axis involving H3.3K27M oncohistones, CREB5/ID1, which sustains the stem-like state of DIPG cells, promoting malignancy. We demonstrate that CREB5 mediates elevated ID1 levels in the H3.3K27M/ACVR1WT subtype…Read more
中文译文（机器翻译，仅供快速理解，请以原文为准）：弥漫性内生性脑桥胶质瘤（DIPG）是一种由H3K27M致癌组蛋白驱动的致死性儿童癌症，表现出异常的表观遗传调控和干细胞样细胞状态。在此，我们揭示了一个涉及H3.3K27M致癌组蛋白、CREB5/ID1的轴，该轴维持DIPG细胞的干细胞样状态，促进恶性进展。我们证明CREB5在H3.3K27M/ACVR1WT亚型中介导ID1水平升高……阅读更多
【主题与分类】
主题标签：Human、Diffuse intrinsic pontine glioma、DIPG、LC-MSMS、Brain cancer、Homo sapiens、Proteomics、Bottom-up proteomics、Q Exactive HF、MaxQuant。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.ebi.ac.uk/pride/archive/projects/PXD053094
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://www.ebi.ac.uk/pride/archive/projects/PXD053094
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
DIPG proteomics PXD053094 是与弥漫性内生性桥脑胶质瘤相关的公开数据集，涵盖表格数据，可用于分类、疾病表型分析或模型评估。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
