帕金森病与神经正常个体死后BA9脑组织的mRNA-Seq表达和MS3蛋白质组学分析

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE68719

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

帕金森病（PD）是一种神经退行性疾病，其特征是α-突触核蛋白（SNCA）及其他蛋白质在神经元内以被称为“路易小体”的聚集体形式积累。PD既有遗传风险因素，也有环境风险因素，尽管导致异常蛋白质聚集的过程尚不清楚，但以往的研究指向SNCA及其他蛋白质的异常水平。虽然已针对PD开展了多项全基因组研究，但这些研究主要通过全基因组关联研究（GWAS）聚焦于DNA序列变异，以及通过微阵列转录组学聚焦于RNA水平，而全基因组蛋白质组学分析一直缺失。经过适当过滤后，蛋白质组学鉴定出3，558种独特蛋白质，其中283种（7.9%）在PD与对照之间具有显著差异（q值<0.05）。RNA测序鉴定出17，580个蛋白编码基因，其中1，095个（6.2%）具有显著差异（FDR p值<0.05），但在所表征的3，558种蛋白质中，仅有166个FDR显著蛋白编码基因（0.94%）存在。在这166个基因中，有8个基因（4.8%）在两项研究中均显著，且效应方向相同。

蛋白质组学结果的功能富集分析强烈支持线粒体相关通路，而RNA测序结果的类似分析则涉及蛋白质折叠通路和金属硫蛋白。所涉及的基因或蛋白质中有十个共定位于GWAS位点。涉及SNCA的证据在蛋白质组学分析中比在RNA测序分析中更强。值得注意的是，差异表达的蛋白质编码基因更可能在蛋白质组学分析中未被表征，这降低了跨平台比较的能力。结合多个全基因组平台，通过识别跨方法学涉及的通路，为理解导致该疾病的病理过程提供了新的见解。

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。