用途
该技能用于发现和获取公开蛋白质组学数据集的元数据，整合了 MassIVE、ProteomeXchange、PRIDE Archive、NCI Proteomics Data Commons（PDC）和 PeptideAtlas 等数据源。适用于数据集发现、登录号查询、按物种过滤搜索、跨库检索，以及为验证或补充自有实验结果寻找已发表数据集。
主要能力
MassIVE：拥有 10,000+ 数据集，元数据较丰富，包含摘要、关键词、修饰和联系人，支持按 NCBI 分类学 ID 过滤物种。
ProteomeXchange：聚合 PRIDE、MassIVE、PeptideAtlas、jPOST、iProX，覆盖面最广，使用标准化 PXD 登录号。
PDC（NCI 蛋白质组学数据共享平台）：涵盖 250+ 癌症蛋白质组学研究（CPTAC、ICPC、APOLLO、CBTN 等），提供经过整理的疾病/部位/分析组分元数据、按基因的谱计数覆盖、临床病例关联，以及直接访问定量丰度矩阵。相关工具包括 PDC_search_studies、PDC_get_gene_protein、PDC_list_programs、PDC_get_study_summary、PDC_get_clinical_data、PDC_get_quant_data_matrix。
PRIDE Archive：EBI 的蛋白质组学仓库，支持针对标题/描述/物种/组织的全文关键词搜索，是这四个库中唯一提供真实 FTP/Aspera 文件下载 URL 的，并提供蛋白到项目的反向查询（PRIDE_get_projects_for_protein）。相关工具包括 PRIDE_search_proteomics、PRIDE_get_project、PRIDE_get_project_files、PRIDE_get_projects_for_protein。
PeptideAtlas：ISB 的肽段级观测图谱，回答“某蛋白的哪些肽段已被质谱实际观测到及置信度”，而非“存在哪些数据集”。工具 PeptideAtlas_get_observed_peptides 可按 UniProt 登录号约束，返回 peptide_sequence、n_observations、n_samples、best_probability、empirical_proteotypic_score 等。
使用方式
工作流分为四个阶段：
Phase 0 输入解析：判断查询类型。若提供登录号（PXD 或 MSV），直接进入 Phase 2；若提供物种名，映射为 NCBI 分类学 ID（human=9606、mouse=10090、rat=10116、yeast=559292、zebrafish=7955、fly=7227、worm=6239、arabidopsis=3702），使用 MassIVE_search_datasets 按物种过滤；若提供关键词，使用 ProteomeXchange_search_datasets（MassIVE 不支持关键词搜索）。
Phase 1 仓库搜索：调用 MassIVE_search_datasets（page_size 最大 100，默认 10；species 为字符串形式的分类学 ID）和/或 ProteomeXchange_search_datasets（query 可选，limit 1-50，默认 10）。可并行调用后按登录号去重合并。
Phase 2 数据集详情获取：对候选数据集调用 MassIVE_get_dataset（accession 接受 MSV 和 PXD 格式）或 ProteomeXchange_get_dataset（px_id 仅 PXD 格式）。提取标题、物种、仪器、文献（PubMed/DOI）、修饰、文件数、关键词等字段。
Phase 3 结果综合：按结构化格式汇总数据集，包括登录号、物种、仪器、文献、修饰、文件数、摘要，并注明数据缺口。
PDC 工作流：PDC_search_studies → PDC_get_study_summary → PDC_get_clinical_data → PDC_get_quant_data_matrix，随后可交由 tooluniverse-proteomics-analysis 进行预处理、差异表达和富集分析。
PRIDE 工作流：PRIDE_search_proteomics → PRIDE_get_project → PRIDE_get_project_files；或蛋白优先：PRIDE_get_projects_for_protein → PRIDE_get_project。
适用场景
- 数据集发现：检索与研究主题相关的蛋白质组学实验
- 登录号查询：获取已知 PXD 或 MSV 数据集的完整元数据
- 物种过滤搜索：查找特定生物体的所有数据集
- 跨库搜索：同时查询 MassIVE 和 ProteomeXchange 以获得全面覆盖
- 实验背景：寻找已发表数据集以验证或补充自有结果
- 癌症队列再分析：通过 PDC 获取定量数据和临床元数据
- 靶向质谱设计：通过 PeptideAtlas 检查特定肽段是否可检测
- 蛋白反向查询：通过 PRIDE 查找包含某蛋白的所有数据集
限制
- MassIVE 不支持关键词搜索，仅支持按物种过滤
- ProteomeXchange 的查询参数对标题/登录号匹配较薄弱
- MassIVE/ProteomeXchange/PDC 的工具仅返回元数据，不返回可下载链接；只有 PRIDE 提供真实下载 URL
- 数据集质量取决于仪器、样品制备和定量方法；TMT/iTRAQ 存在比率压缩和共隔离干扰偏差，DIA 与 DDA 需要不同分析流程；复用数据前应查阅原始文献方法
- 应始终搜索并检索元数据确认，不应假设数据集、登录号或仪器类型的存在
- 当分析需要计算时，应通过 Bash 编写并运行 Python 代码（pandas、scipy、statsmodels、matplotlib），而非仅描述步骤
- 具体收费、价格、平台支持等信息暂未提供