诱导性B细胞受体多样性预测PD-1阻断免疫治疗应答

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE291246

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

免疫检查点抑制剂，如抗PD-1抗体（aPD1），在治疗晚期癌症方面可能有效。然而，许多患者并无响应，且这些差异背后的机制仍未完全明了。本研究通过单细胞RNA测序、肿瘤及引流淋巴结的高清空间转录组学、空间免疫受体谱分析，并结合长期临床随访，对一组接受aPD-1治疗的局部晚期或转移性基底细胞癌患者进行了分析。我们发现，PD-1抑制的成功响应其特征在于治疗开始后B细胞受体（BCR）克隆多样性的诱导。这些诱导产生的BCR克隆在空间上与T细胞克隆共定位，促进其活化，并与它们一起在肿瘤与引流淋巴结之间迁移，以增强肿瘤清除。此外，我们在一个更大的胶质母细胞瘤、黑色素瘤及头颈部鳞状细胞癌患者队列中验证了aPD1诱导的BCR多样性作为临床响应的预测因子，表明这可能是跨多种癌症类型治疗响应的一个普遍预测指标。

我们发现，治疗前肿瘤具有一种特征性基因表达特征，该特征预示aPD-1治疗后诱导BCR克隆多样性的概率更高；我们还开发了一种机器学习模型，可根据基线肿瘤RNA测序预测PD-1诱导的BCR克隆多样性。这些发现凸显了B细胞多样性在免疫治疗中的动态作用，强调其作为预后标志物的重要性，并可作为无应答者干预的潜在靶点。

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。