癌症微环境中保守的血管免疫亚型预测免疫检查点阻断治疗反应

数据集获取

源站：https://search.dataone.org/view/sha256%3A2edaf6991748dcc3c507c5ef554c881f9fbe29672d6f00321fbaed9a69d10ee1

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

免疫检查点阻断（ICB）疗法已经彻底改变了癌症治疗。然而，只有一部分患者对ICB疗法有响应。准确预测可能对ICB有响应的患者将最大化ICB疗法的疗效。肿瘤微环境（TME）决定了肿瘤进展和治疗结果。在此，我们通过分析来自11,069名癌症患者的转录组，基于血管生成和T细胞活性对TME进行分类。我们发现了三种不同的血管-免疫TME亚型，在30种非血液癌症中保守存在。TME中血管生成与抗肿瘤免疫之间存在明显的反向关系。值得注意的是，在四种癌症中，表现出低血管生成且具有强抗肿瘤免疫的TME的患者对ICB疗法的响应最为显著。对肾细胞癌临床试验的重新评估提供了令人信服的证据，表明基线血管-免疫状态对ICB响应具有稳健的预测能力。这项研究为不…，数据文件来源于手稿中衍生的处理过程。

生成血管免疫簇的代码已提供。，# 癌症微环境中保守的血管免疫亚型可预测对免疫检查点阻断疗法的应答 数据文件来源于手稿中所述的处理过程。生成血管免疫簇的代码已提供。所有分析数据均来自先前发表的数据集。富集结果文件包含用于推导血管免疫簇的GSVA富集结果。临床文件包含应答/生存状态信息。用于生成簇的R代码 ## 数据及文件结构说明 数据托管于Dryad： * angio-immune-clusters.xlsx - 提供所有分析的TCGA患者的簇信息 * cluster = 泛癌血管免疫簇标签 * x = TCGA样本名称 数据托管于Zenodo： * Bladder-Cancer-Enrichment-Results.txt - 提供膀胱癌抗PDL1治疗前患者的富集结果

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。