唾液腺结石蛋白质组学数据
PXD039381 Sialolith Proteomics Dataset 是与唾液腺结石（Salivary gland stones (sialolithiasis)）相关的公开数据资源，主要包含唾液腺结石蛋白质组学质谱数据和沉积形成相关蛋白信息，数据模态为表格，适合用于分类、模型训练、基准评测或临床特征分析。
基本信息
资源简介
唾液腺结石蛋白质组学数据
【一句话概览】
唾液腺结石（涎石）在唾液腺病理状态下形成，其形成机制及易感因素目前尚不明确。该结石虽不直接危及生命，但显著降低患者生活质量。尽管并非典型研究材料，研究者仍尝试对其进行蛋白质组学分析。本研究采用质谱、SWATH MS及鸟枪蛋白质组学方法，对钙化型、脂质型及混合型涎石进行分析，以期发现唾液腺沉积物形成的潜在生物标志物（来源 ebi.ac.uk）。
【数据集背景】
本数据集源站标题为《Proteomic analysis of sialoliths from calcified, lipid and mixed groups as a source of potential biomarkers of deposit formation in the salivary glands.》。
【数据内容】
源站原始描述：Salivary stones, also known as sialoliths, are formed in a pathological situation in the salivary glands. So far, neither the mechanism of their formation nor the factors predisposing to their formation are known. Although they do not directly threaten human life, they significantly deteriorate the patient''s quality of life. Although this is not a typical research material, attempts are made to…
中文译文（机器翻译，仅供快速理解，请以原文为准）：唾液腺结石，也称为涎石，是在唾液腺的病理状态下形成的。迄今为止，其形成机制及促成其形成的因素均尚未明确。尽管它们不直接威胁人的生命，但显著降低了患者的生活质量。尽管这不是典型的研究材料，但人们仍在尝试…
【主题与分类】
主题标签：Sialolithiasis、Salivary stones、Mass spectrometry、SWATH MS、Shotgun proteomics、Homo sapiens (human)、Salivary gland。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.ebi.ac.uk/pride/archive/projects/PXD039381
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://www.ebi.ac.uk/pride/archive/projects/PXD039381
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
唾液腺结石蛋白质组学数据包含唾液腺结石蛋白质组学质谱数据和沉积形成相关蛋白信息，可用于唾液腺结石相关的分类研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
