基于质谱的野生型与DYT-TOR1A肌张力障碍小鼠模型胚胎成纤维细胞在基础及应激状态下的蛋白质组学数据集
在此,我们展示了来自三个野生型和三个DYT-TOR1A小鼠胚胎成纤维细胞(MEF)细胞系的定量亚细胞组分特异性蛋白质组学数据,涵盖基础状态及毒胡萝卜素处理后的状态

基本信息
资源简介
基于质谱的野生型与DYT-TOR1A肌张力障碍小鼠模型胚胎成纤维细胞在基础及应激状态下的蛋白质组学数据集
在此,我们展示了来自三个野生型和三个DYT-TOR1A小鼠胚胎成纤维细胞(MEF)细胞系的定量亚细胞组分特异性蛋白质组学数据,涵盖基础状态及毒胡萝卜素处理后的状态
Dataset on the mass spectrometry-based proteomic profiling of mouse embryonic fibroblasts from a wild type and DYT-TOR1A mouse model of dystonia, basally and during stress
【数据集背景】
源站首次发布:2021。
【数据内容】
源站描述(机器翻译,仅供参考):在此,我们展示了来自三个野生型和三个DYT-TOR1A小鼠胚胎成纤维细胞(MEF)细胞系的定量亚细胞组分特异性蛋白质组学数据,涵盖基础状态及毒胡萝卜素处理后的状态。原代MEF培养物取自野生型和一种杂合DYT-TOR1A肌张力障碍小鼠模型。这些MEF培养物随后用1 µM毒胡萝卜素或二甲基亚砜溶剂处理六小时。处理后,细胞被分离为细胞核和细胞质组分,然后进行液相色谱-串联质谱蛋白质组分析。蛋白质组分析在所有样本中共鉴定出65,056个独特肽段和4801个独特蛋白质。在本数据集中,我们提供了每个样本的原始未处理质谱峰、每个样本中每个鉴定肽段的原始肽段计数、原始蛋白质计数
【主题与分类】
主题标签:肌张力障碍、DYT-TOR1A、蛋白质组学、质谱、小鼠胚胎成纤维细胞、内质网应激、亚细胞组分。本站分类:神经系统疾病/肌张力障碍。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/58wghvz7sz
使用许可:Creative Commons Attribution 4.0 International。
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/10.17632/58wghvz7sz
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 32.9 MB。
数据说明
在此,我们展示了来自三种野生型和三种DYT-TOR1A小鼠胚胎成纤维细胞(MEF)细胞系的亚细胞区室特异性定量蛋白质组学数据,这些数据包括基础状态以及经毒胡萝卜素处理后的情况。原代MEF培养物源自野生型和一种杂合DYT-TOR1A肌张力障碍小鼠模型。随后,这些MEF培养物分别用1 µM毒胡萝卜素或二甲基亚砜溶剂处理六小时。处理后,细胞被分级分离为细胞核和细胞质组分,然后进行液相色谱-串联质谱为基础的蛋白质组学分析。蛋白质组学分析在所有样本中鉴定出65,056个独特肽段和4801个独特蛋白质。在本数据集中,我们提供了每个样本的原始未处理质谱峰、每个样本中每个鉴定肽段的原始肽段计数、每个样本中每个鉴定蛋白质的原始蛋白质计数,以及每个样本中每个鉴定蛋白质的归一化蛋白质计数。
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。




