表达个性化肿瘤抗原的ADXS-NEO研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT03265080

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

疾病类型：转移性结肠癌、转移性头颈癌、转移性非小细胞肺癌、尿路上皮癌、转移性黑色素瘤。突变衍生的肿瘤抗原通常对每位参与者的肿瘤具有独特性，为癌症免疫治疗提供了新的靶点来源。这些突变在肿瘤发生过程中产生，仅由肿瘤表达，因此可能被参与者的T细胞识别为新形成的抗原，即新抗原。非恶性细胞中不表达参与者特异性的肿瘤突变，这表明针对这些肿瘤突变的疫苗引发自身免疫的风险较低，可能比目前许多可用的治疗方法更安全。开发一种基于单核细胞增生李斯特菌（Lm）的疫苗，该疫苗能表达这些参与者特异性的肿瘤抗原并激活杀伤肿瘤的T细胞，有可能成为一种高效的免疫治疗形式。此外，Lm平台由于通过多种机制介导肿瘤控制，可能比其他疫苗平台表现出更强的抗肿瘤活性。

因此，针对参与者特异性突变衍生肿瘤抗原的靶向治疗及同时激发宿主免疫，为增强抗肿瘤免疫提供了一种合理途径，无论是作为单一疗法还是与抗程序性细胞死亡蛋白-1（PD-1）抑制剂联合使用。

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。