非小细胞肺癌免疫检查点抑制剂化疗免疫治疗应答相关基线血浆蛋白质组图谱
该数据集来自 omicsdi.org,聚焦晚期非小细胞肺癌(NSCLC)患者接受免疫检查点抑制剂(ICI)联合化疗免疫治疗前的血浆蛋白质组

基本信息
资源简介
非小细胞肺癌免疫检查点抑制剂化疗免疫治疗应答相关基线血浆蛋白质组图谱
该数据集来自 omicsdi.org,聚焦晚期非小细胞肺癌(NSCLC)患者接受免疫检查点抑制剂(ICI)联合化疗免疫治疗前的血浆蛋白质组。研究纳入 35 例患者,其中应答者 21 例、非应答者 14 例,使用 Olink Target 96 Immuno-Oncology panel(v.3113)基于邻近延伸分析(PEA)技术检测 92 种免疫相关蛋白,蛋白丰度以 log2 尺度的归一化蛋白表达(NPX)值报告。数据可用于筛选与治疗应答相关的候选血浆蛋白生物标志物,并支持疗效评估相关的分类建模研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):本研究旨在识别与晚期非小细胞肺癌(NSCLC)患者对基于免疫检查点抑制剂(ICI)的化疗免疫治疗应答相关的候选血浆蛋白生物标志物。尽管基于 ICI 的化疗免疫治疗已成为晚期 NSCLC 的重要治疗策略,但患者间的临床应答差异很大,凸显了需要可靠的生物标志物来支持治疗应答评估。研究使用 Olink Target 96 Immuno-Oncology panel(v.3113)分析了 35 例接受基于 ICI 的化疗免疫治疗的 NSCLC 患者的治疗前血浆样本,该 panel 基于邻近延伸分析(PEA)技术检测 92 种免疫相关蛋白。蛋白丰度以 log2 尺度的归一化蛋白表达(NPX)值报告。队列包括 21 例应答者和 14 例非应答者。差异蛋白表达
【主题与分类】
主题标签:Non-small-cell lung cancer、Immune checkpoint inhibitors。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PAD000066
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://omicsdi.org/dataset/pride/PAD000066
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
本研究旨在识别与晚期非小细胞肺癌(NSCLC)患者对基于免疫检查点抑制剂(ICI)的化学免疫治疗反应相关的候选血浆蛋白生物标志物。尽管基于ICI的化学免疫治疗已成为晚期NSCLC的重要治疗策略,但患者之间的临床反应差异较大,凸显了需要可靠的生物标志物来支持治疗反应评估。采用Olink Target 96 Immuno-Oncology panel(v.3113)对35例接受基于ICI的化学免疫治疗的NSCLC患者的治疗前血浆样本进行分析,该panel基于邻近延伸分析(PEA)技术检测92种免疫相关蛋白。蛋白丰度以log2尺度的归一化蛋白表达(NPX)值报告。该队列包括21例应答者和14例无应答者。采用Welch t检验评估应答者与无应答者之间的差异蛋白表达,随后采用Benjamini–Hochberg校正进行多重比较校正。
五种蛋白——TRAIL、FASLG、GZMA、LAP-TGF-β1和NOS3——在两组间显示出名义上的差异,被选为探索性研究的候选蛋白。然而,经错误发现率校正后,92种蛋白中无一保持统计学显著性。这些数据提供了接受基于ICI的化学免疫治疗的晚期NSCLC患者的探索性血浆蛋白质组图谱,并可能有助于进一步研究与治疗反应相关的循环蛋白。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




