不同蛋白稳态状态驱动CFTR错折叠突变体对药理伴侣的敏感性
该数据集来自omicsdi.org,聚焦囊性纤维化中CFTR错折叠突变体对药理伴侣VX-809的差异敏感性。研究利用相互作用组学与亲和纯化质谱,比较P67L、L206W与F508del、G85E在VX-809处理下的蛋白稳态相互作用,揭示高响应与无响应突变体的机制差异

基本信息
资源简介
不同蛋白稳态状态驱动CFTR错折叠突变体对药理伴侣的敏感性
该数据集来自omicsdi.org,聚焦囊性纤维化中CFTR错折叠突变体对药理伴侣VX-809的差异敏感性。研究利用相互作用组学与亲和纯化质谱,比较P67L、L206W与F508del、G85E在VX-809处理下的蛋白稳态相互作用,揭示高响应与无响应突变体的机制差异。数据可用于探索蛋白质量控制、突变体分型及药理伴侣响应预测(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):药理伴侣代表一类用于治疗蛋白质错折叠疾病的治疗化合物。最突出的例子之一是FDA批准的药理伴侣lumacaftor(VX-809),它改变了囊性纤维化(CF)的治疗。CF是一种由囊性纤维化跨膜传导调节因子(CFTR)突变引起的致命疾病。VX-809纠正F508del CFTR的折叠,这是最常见的患者突变,但F508del仅表现出轻微的VX-809响应。相比之下,较罕见的突变P67L和L206W对VX-809超响应,而G85E无响应。尽管VX-809取得了临床成功,但突变体不同敏感性的机制起源仍不清楚。在这里,我们使用相互作用组学来表征VX-809对P67L和L206W的蛋白稳态相互作用的影响,并将其与F508del和G85E进行比较。我们确定超响应
【主题与分类】
主题标签:Cystic fibrosis、Protein quality control、Corrector、Interactomics、Theratype、Tandem mass tags。本站分类:呼吸道疾病/囊性纤维化。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD032836
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/PXD032836
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
药理学伴侣代表了一类用于治疗蛋白质错误折叠疾病的治疗化合物。其中最突出的例子是FDA批准的药理学伴侣lumacaftor(VX-809),它已经改变了囊性纤维化(CF)的治疗格局。CF是一种由囊性纤维化跨膜传导调节因子(CFTR)突变引起的致命疾病。VX-809可纠正F508del CFTR的折叠,F508del是最常见的患者突变,然而F508del对VX-809仅表现出轻微的响应。相比之下,较罕见的突变P67L和L206W对VX-809呈高响应性,而G85E则无响应。尽管VX-809在临床上取得了成功,但不同突变体易感性差异的机制来源仍不清楚。在此,我们利用相互作用组学来表征VX-809对P67L和L206W的蛋白质稳态相互作用的影响,并将其与F508del和G85E进行比较。我们确定,与F508del和G85E相比,高响应性突变P67L和L206W与蛋白酶体和自噬降解机器的相互作用减少。随后我们表明,抑制蛋白酶体会减弱P67L和L206W对VX-809的响应。
我们的数据表明,蛋白质降解在VX-809校正过程中扮演了一个此前未被识别但不可或缺的角色。此外,我们提出了一种方法,用于识别突变特异性药物治疗反应中蛋白质稳态的特征,特别是针对药理伴侣分子的响应。
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。




