数千个新型未注释蛋白扩展癌症中的MHC I免疫肽组

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000084787

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

Ouspenskaia T, Law T, Clauser KR, Klaeger S, Sarkizova S, Aguet F, Li B, Christian E, Knisbacher BA, Le P, Hartigan CR, Keshishian H, Oliveira G, Zhang W, Chow YT, Ji Z, Shukla SA, Bachireddy P, Getz G, Hacohen N, Keskin DB, Carr SA, Wu CJ, Regev A. 肿瘤表位，即在表面结合的MHC I类蛋白上呈递的肽段，为癌症免疫治疗提供了靶点，并已在基因组注释的蛋白质编码区域中被广泛鉴定。受近期利用核糖体图谱（Ribo-seq）技术发现翻译的新颖未注释开放阅读框（nuORFs）的启发，我们假设癌症相关过程能够产生nuORFs，这些nuORFs可作为携带体细胞突变或显示肿瘤特异性表达的新肿瘤抗原来源。为了识别癌症特异性的nuORFs，我们为29份恶性和健康样本生成了Ribo-seq图谱，开发了一种灵敏的分层ORF预测分析方法，并构建了一个跨组织翻译nuORFs的高置信度数据库。

基于对质谱检测的MHC I结合肽的广泛数据集分析，3555个独特翻译的nuORF产生的肽段呈递于MHC I上，与全蛋白质组相比，MHC I免疫肽组中检测到的nuORF肽段多出20倍以上。我们进一步在癌症样本的nuORF中检测到体细胞突变，并鉴定了黑色素瘤、慢性淋巴细胞白血病和胶质母细胞瘤中具有肿瘤特异性翻译的nuORF。因此，nuORF扩大了MHC I呈递的肿瘤特异性肽段库，可作为免疫疗法的靶点。

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。