GSE315510:线粒体膜电位作为癌症免疫治疗中T细胞适应性与功能的生物标志物
该数据集来自 NCBI GEO,聚焦非小细胞肺癌与透明细胞肾细胞癌患者,研究肿瘤相关 T 细胞的线粒体膜电位(MMP)作为细胞表型与免疫治疗反应的指标
基本信息
资源简介
GSE315510:线粒体膜电位作为癌症免疫治疗中T细胞适应性与功能的生物标志物
Mitochondrial potential as a biomarker of T cell fitness and function in cancer immunotherapy
该数据集来自 NCBI GEO,聚焦非小细胞肺癌与透明细胞肾细胞癌患者,研究肿瘤相关 T 细胞的线粒体膜电位(MMP)作为细胞表型与免疫治疗反应的指标。数据包含原发肿瘤及免疫检查点抑制治疗前后三周的外周血单个核细胞(PBMC),PBMC T 细胞经 TMRE 染色分析 MMP 并分选为高、低群体,并进行 TCRβ 与单细胞 RNA 测序。文件数量为 1,可用于探索 MMP 与 T 细胞适应性、免疫功能及免疫治疗应答的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):检查点抑制剂已经改变了癌症治疗格局,但预测治疗反应仍然具有挑战性。在动物模型中,肿瘤浸润淋巴细胞的线粒体质量下降,并与抗肿瘤免疫受损相关。线粒体膜电位(MMP)随 T 细胞活化而升高,但也可能提示细胞功能障碍。在此,我们评估了肿瘤相关 T 细胞的 MMP,作为非小细胞肺癌和透明细胞肾细胞癌患者中细胞表型与免疫治疗反应的指标。收集原发肿瘤后,分析免疫检查点抑制(ICI)治疗前及治疗三周后的外周血单个核细胞(PBMC)。使用四甲基罗丹明乙酯(TMRE)分析 PBMC T 细胞的 MMP,并分选为高和低群体。对原发肿瘤进行 TCRβ 和单细胞 RNA 测序
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:肿瘤/肾癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE315510
【使用注意】
· 源站最后修改于 Mar 26 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE315510
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
检查点抑制剂已改变癌症治疗格局,但预测响应仍具挑战。在动物模型中,肿瘤浸润淋巴细胞中的线粒体质量下降,并与抗肿瘤免疫受损相关。线粒体膜电位(MMP)随T细胞活化而增加,但也可能指示细胞功能障碍。在此,我们评估了非小细胞肺癌和透明细胞肾细胞癌患者中肿瘤相关T细胞的MMP,作为细胞表型和免疫治疗响应的指标。收集原发肿瘤后,在免疫检查点抑制(ICI)治疗前及治疗三周后分析外周血单核细胞(PBMC)。使用四甲基罗丹明乙酯(TMRE)分析PBMC T细胞的MMP,并分选为高和低群体。原发肿瘤的TCRβ和单细胞RNA测序鉴定并表征了与肿瘤微环境相关的外周血T细胞克隆。正如预期,ICI治疗增加了经历临床获益的患者中效应T细胞的频率。
外周血中具有与肿瘤匹配的TCRβ序列的TMRE高T细胞表现出氧化磷酸化基因特征升高。应激和耗竭相关的基因特征,如Tigit和Cmc1,在TMRE高CD8 T细胞群体中同样升高,而TMRE低细胞的基因表达模式则提示线粒体健康与细胞长寿。重要的是,ICI的临床获益与TMRE高CD8 T细胞基因表达特征呈负相关。这些发现突显了存在一个MMP升高的T细胞群体,其与T细胞耗竭样状态及免疫治疗应答失败相关。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




