Arginase-1肽疫苗治疗转移性实体瘤患者
该数据集来自clinicaltrials.gov,聚焦Arginase-1(ARG1)肽疫苗在转移性实体瘤患者中的应用。覆盖非小细胞肺癌、尿路上皮癌、恶性黑色素瘤、卵巢癌、结直肠癌、乳腺癌、头颈部鳞状细胞癌及转移性癌症

基本信息
资源简介
Arginase-1肽疫苗治疗转移性实体瘤患者
该数据集来自clinicaltrials.gov,聚焦Arginase-1(ARG1)肽疫苗在转移性实体瘤患者中的应用。覆盖非小细胞肺癌、尿路上皮癌、恶性黑色素瘤、卵巢癌、结直肠癌、乳腺癌、头颈部鳞状细胞癌及转移性癌症。ARG1可将精氨酸转化为尿素和鸟氨酸,其诱导的精氨酸耗竭会通过损伤T细胞受体复合物抑制T细胞功能。研究团队已在癌症患者和健康供体外周血单核细胞中鉴定出针对ARG1肽的自发T细胞反应性。该疫苗旨在激活ARG1特异性T细胞浸润肿瘤微环境并清除表达ARG1的免疫抑制细胞,可用于肿瘤免疫治疗相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非小细胞肺癌、尿路上皮癌、恶性黑色素瘤、卵巢癌、结直肠癌、乳腺癌、头颈部鳞状细胞癌、转移性癌症。Arginase-1(ARG1)是一种将氨基酸精氨酸转化为尿素和鸟氨酸的酶。ARG1主要在肝细胞中表达,但不同的髓系细胞也能够表达ARG1。ARG1诱导的精氨酸耗竭通过损伤T细胞受体(TCR)复合物抑制T细胞功能。来自癌症免疫治疗中心(CCIT)的一个研究小组已在癌症患者和健康供体的外周血单核细胞中鉴定出针对ARG1肽的自发T细胞反应性。ARG1肽疫苗的理论背景是激活ARG1特异性T细胞,使其浸润肿瘤微环境并消除表达ARG1的免疫抑
【主题与分类】
主题标签:Non Small Cell Lung Cancer、Urothelial Carcinoma、Malignant Melanoma、Ovarian Cancer、Colorectal Cancer、Breast Cancer、Metastatic Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03689192
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://clinicaltrials.gov/study/NCT03689192
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
疾病:非小细胞肺癌、尿路上皮癌、恶性黑色素瘤、卵巢癌、结直肠癌、乳腺癌、头颈部鳞状细胞癌、转移性癌症。精氨酸酶-1(ARG1)是一种将氨基酸精氨酸转化为尿素和鸟氨酸的酶。ARG1主要在肝细胞中表达,但不同的髓系细胞也能够表达ARG1。ARG1诱导的精氨酸耗竭通过损害T细胞受体(TCR)复合物来抑制T细胞功能。来自癌症免疫治疗中心(CCIT)的一个研究小组已在癌症患者和健康供体的外周血单核细胞中鉴定出针对ARG1肽的自发性T细胞反应性。ARG1肽疫苗的理论基础是激活ARG1特异性T细胞,使其浸润肿瘤微环境并消除表达ARG1的免疫抑制细胞。目的是治疗10例在接受标准治疗药物后疾病进展的实体瘤患者。患者将每三周皮下接种一次ARG1疫苗,持续45周。主要终点是评估安全性和毒性。
将通过血液和肿瘤组织样本评估免疫反应,并采用RECIST 1.1标准评价临床反应。
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。




