路易体痴呆患者黑质致密部神经黑色素颗粒蛋白质组
该数据集来自 omicsdi.org,聚焦路易体痴呆(DLB)患者黑质致密部神经黑色素颗粒(NMG)的蛋白质组。研究采用激光显微切割与质谱方法,比较 DLB 患者(n=5)与健康对照(n=5)的 NMG 蛋白质组谱差异,并用靶向质谱实验进行验证

基本信息
资源简介
路易体痴呆患者黑质致密部神经黑色素颗粒蛋白质组
该数据集来自 omicsdi.org,聚焦路易体痴呆(DLB)患者黑质致密部神经黑色素颗粒(NMG)的蛋白质组。研究采用激光显微切割与质谱方法,比较 DLB 患者(n=5)与健康对照(n=5)的 NMG 蛋白质组谱差异,并用靶向质谱实验进行验证。结果显示 DLB 患者 NMG 周围组织存在持续氧化损伤和蛋白质降解受损的证据。数据可用于探索 NMG 在帕金森病和 DLB 等神经退行性疾病中的作用(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):神经黑色素颗粒(NMG)是存在于人黑质致密部的类细胞器结构。除神经黑色素外,NMG 还含有蛋白质、脂质和金属。由于含 NMG 的多巴胺能神经元在帕金森病和路易体痴呆(DLB)中优先丢失,推测 NMG 可能在神经退行性过程中发挥作用。迄今为止,这一作用尚未完全阐明,需要进一步研究。因此,我们开展了一项蛋白质组研究,以识别 DLB 患者(n=5)与健康对照(CTRL,n=5)的 NMG 蛋白质组谱差异。我们采用了激光显微切割和基于质谱的方法,其中使用靶向质谱实验进行验证。在 DLB 患者的 NMG 周围(SNSurr.)组织中,我们发现了持续氧化损伤和蛋白质降解受损的证据。
【主题与分类】
主题标签:Proteomics、Stress granules、Substantia nigra pars compacta、Dementia with lewy bodies、Neurodegeneration、Neuromelanin granules。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD035310
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://omicsdi.org/dataset/pride/PXD035310
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
神经黑色素颗粒(NMGs)是人黑质致密部中存在的一类细胞器样结构。除神经黑色素外,NMGs还含有蛋白质、脂质和金属。由于含NMG的多巴胺能神经元在帕金森病和路易体痴呆(DLB)中优先丢失,推测NMGs可能在神经退行性过程中发挥作用。迄今为止,这一作用尚未被完全阐明,仍需进一步研究。因此,我们开展了一项蛋白质组学研究,以鉴定DLB患者(n=5)与健康对照(CTRL,n=5)NMGs蛋白质组谱的差异。我们采用了激光显微切割和基于质谱的方法,并使用靶向质谱实验进行验证。在DLB患者的NMG周围(SNSurr.)组织中,我们发现了持续氧化损伤和蛋白质降解受损的证据。作为一种潜在的疾病相关机制,我们发现DLB病例的NMGs中α-突触核蛋白和蛋白S100A9富集,而多种核糖体蛋白的丰度显著降低。
由于已知S100A9能够促进毒性α-突触核蛋白纤维的形成,这一发现提示NMGs参与发病机制,但NMGs究竟是起神经保护作用还是神经毒性作用,其确切角色仍需进一步研究。尽管如此,我们的研究提供了证据表明,蛋白质降解受损、持续的氧化损伤以及潜在神经毒性蛋白聚集物的积累是DLB神经变性的核心机制。
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。




