整合肺组织与灌洗液蛋白质组揭示过敏原激发小鼠的通路响应
该数据集来自 omicsdi.org,属于呼吸系统疾病/哮喘领域,聚焦过敏原激发小鼠模型的蛋白质组研究。研究对过敏原未致敏与屋尘螨(HDM)激发的 BALB/c 小鼠的配对肺组织和支气管肺泡灌洗液(BALF)进行无标记 LC-MS/MS 分析,共定量 2,675 个蛋白

基本信息
资源简介
整合肺组织与灌洗液蛋白质组揭示过敏原激发小鼠的通路响应
该数据集来自 omicsdi.org,属于呼吸系统疾病/哮喘领域,聚焦过敏原激发小鼠模型的蛋白质组研究。研究对过敏原未致敏与屋尘螨(HDM)激发的 BALB/c 小鼠的配对肺组织和支气管肺泡灌洗液(BALF)进行无标记 LC-MS/MS 分析,共定量 2,675 个蛋白。数据可用于比较肺组织与 BALF 的蛋白多样性、分析过敏原暴露后区室依赖的通路富集,以及整合两个区室蛋白质组以探索氧化还原等通路响应(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):为捕捉生物通路之间的相互作用,我们分析了配对肺组织和支气管肺泡灌洗液(BALF)的蛋白质组,样本来自单个过敏原未致敏和屋尘螨(HDM)激发的 BALB/c 小鼠,这是一种过敏性哮喘模型。无偏无标记 LC-MS/MS 分析从过敏原未致敏和 HDM 暴露小鼠的组织和 BALF 中定量了 2,675 个蛋白。在比较四个数据集时,我们发现肺组织与 BALF 之间的蛋白多样性显著大于 HDM 激发引起的变化。过敏原暴露后富集的生物通路具有区室依赖性。肺组织以先天免疫反应和氧化应激为特征,而 BALF 最强烈地揭示了代谢变化。我们整合了肺组织和 BALF 蛋白质组,主要突出了氧化还原(redox)通路,这一发现主要受肺组织数据影响。
【主题与分类】
主题标签:Proteomics。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://omicsdi.org/dataset/massive/MSV000086003
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/massive/MSV000086003
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
为捕捉生物通路之间的相互作用,我们分析了单个未接触过敏原和经屋尘螨(HDM)攻击的BALB/c小鼠(一种过敏性哮喘模型)的配对肺组织与支气管肺泡灌洗液(BALF)的蛋白质组。无偏非标记LC-MS/MS分析从过敏原未接触和HDM暴露小鼠的组织和BALF中定量了2,675种蛋白质。在比较这四个数据集时,我们发现肺组织与BALF之间的蛋白质多样性显著大于HDM攻击所诱导的变化。过敏原暴露后富集的生物通路具有区室依赖性。肺组织以先天免疫反应和氧化应激为特征,而BALF最强烈地揭示了代谢变化。我们整合了肺组织和BALF蛋白质组,主要突出了氧化还原(redox)通路,这一发现主要受肺组织数据集影响。整合肺和BALF蛋白质组还揭示了可能介导过敏原攻击后肺组织与BALF相互作用的新蛋白质和生物通路,例如B细胞受体信号传导。
我们证明,当并行研究肺部的不同生物区室时,可以促进洞察力的增强。整合肺组织和BALF区室的蛋白质组,揭示了关于环境挑战响应中蛋白质网络的新信息,以及细胞内和细胞外过程之间的相互作用。
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。




