GSE221703：T细胞受体库机器学习分析识别预测自身反应性的序列特征

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE221703

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

T细胞受体（TCR）决定了对MHC呈递的外来肽和自身肽的特异性和亲和力。已知自身pMHC反应性影响T细胞功能，但识别能预测T细胞命运的TCR序列特征一直具有挑战性。为了辨别区分自身pMHC反应性低与高的初始CD4+ T细胞中TCR的模式，我们利用来自42只小鼠的数据训练了一种机器学习（ML）算法，该算法可直接从TCRβ序列预测自身反应性。这种方法揭示了n-核苷酸添加和酸性氨基酸会削弱自身反应性。我们使用逆基因小鼠测试了ML对TCRβ序列自身反应性的预测。将我们的分析外推到独立数据集，我们发现调节性CD4+ T细胞的预测自身反应性高，而响应慢性感染的T细胞的预测自身反应性低。我们的分析表明，TCR库结构本身可能存在库多样性与自身反应性之间的潜在权衡。

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。