PXD003644:基于MALDI成像质谱的脑缺血蛋白质谱分析与新生物标志物鉴定
该数据集来自ebi.ac.uk,属于神经系统疾病/其他分类,围绕小鼠脑缺血模型展开。研究对C57BL/6J小鼠进行大脑中动脉闭塞60分钟并再灌注24小时,取脑切片以MALDI-TOF分析,比较梗死区与对侧区质谱,经PCA筛选相关m/z并生成离子分布图,进而鉴定脑缺血相关蛋白

基本信息
资源简介
PXD003644:基于MALDI成像质谱的脑缺血蛋白质谱分析与新生物标志物鉴定
该数据集来自ebi.ac.uk,属于神经系统疾病/其他分类,围绕小鼠脑缺血模型展开。研究对C57BL/6J小鼠进行大脑中动脉闭塞60分钟并再灌注24小时,取脑切片以MALDI-TOF分析,比较梗死区与对侧区质谱,经PCA筛选相关m/z并生成离子分布图,进而鉴定脑缺血相关蛋白。数据可用于探索脑缺血潜在生物标志物与治疗靶点,并支持基于质谱成像的蛋白质空间分布研究(来源 ebi.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):引言:鉴定参与脑缺血的蛋白质可能有助于发现新的推定生物标志物或潜在治疗靶点,这是最重要的神经系统疾病之一。MALDI成像质谱(IMS)是一种强大的技术,无需标记即可可视化蛋白质沿组织的分布。我们的目标是研究缺血损伤后小鼠大脑中蛋白质的分布,并鉴定参与脑缺血的相关蛋白质。材料与方法:我们闭塞C57BL/6J小鼠(n=4)的大脑中动脉(60分钟),再灌注24小时。脑切片通过MALDI-TOF分析,并使用ClinProTools比较梗死(IC)和对侧(CL)区域的质谱。在PCA分析后选择相关的m/z,并通过FlexImagin3.0分析其离子分布图。蛋白质鉴定
【主题与分类】
主题标签:Tmcao、Biomarkers、Brain ischemia、Maldi imaging。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ebi.ac.uk/pride/archive/projects/PXD003644
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/PXD003644
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
引言 识别参与脑缺血的蛋白质可能有助于发现最重要的神经系统疾病之一的新推测生物标志物或潜在治疗靶点。MALDI成像-质谱(IMS)是一种强大的技术,无需标记即可实现蛋白质沿组织分布的可视化。我们的目标是研究缺血性损伤后小鼠大脑中蛋白质的分布,并识别参与脑缺血的相关蛋白质。材料与方法 我们闭塞了C57BL/6J小鼠(n=4)的大脑中动脉(60分钟),再灌注24小时。通过MALDI-TOF分析脑切片,并使用ClinProTools比较梗死(IC)和对侧(CL)区域的质谱。在PCA分析后选择相关的m/z,并通过FlexImagin3.0分析其离子分布图。通过基于tricine凝胶和RP-HPLC的互补分级的自下而上方法,在小鼠脑匀浆中进行蛋白质鉴定。鉴定结果通过免疫组织化学确认。
结果 我们鉴定出102个在IC和CL之间丰度不同的m/z(p<0.05),其中通过PCA选择了21个更为相关的m/z。发现其中13个在梗死区域增加,4个m/z在IC与CL之间的区分度高于90%。经过自下而上的鉴定,免疫组化分析证实,与CL相比,IC中ATP5i和COX6C表达增加,UMP-CMP激酶减少。结论 我们首次通过MALDI-IMS鉴定出几个在IC和CL之间丰度不同的m/z峰。这些参与脑缺血的蛋白质可能代表潜在的诊断生物标志物或神经恢复的靶分子。
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。




