GSE202417:Bezafibrate联合Nivolumab治疗晚期非小细胞肺癌的潜力
源站描述提及一项在经治晚期非小细胞肺癌患者中开展的bezafibrate联合nivolumab的I期试验,主要终点为剂量限制性毒性发生率,并分析了血浆代谢物和外周细胞毒性T细胞的基因表达

基本信息
资源简介
GSE202417:Bezafibrate联合Nivolumab治疗晚期非小细胞肺癌的潜力
Potential of Bezafibrate for Combination with Nivolumab in Treatment of Advanced Non-Small Cell Lung Cancer
该数据集来自NCBI GEO,标题为Bezafibrate联合Nivolumab治疗晚期非小细胞肺癌的潜力研究,包含1个文件GSE202417_series_matrix.txt.gz,基于GPL23126平台对人类(9606)样本进行表达谱芯片检测。源站描述提及一项在经治晚期非小细胞肺癌患者中开展的bezafibrate联合nivolumab的I期试验,主要终点为剂量限制性毒性发生率,并分析了血浆代谢物和外周细胞毒性T细胞的基因表达。数据可用于探索联合治疗对T细胞线粒体代谢和基因表达的影响(来源 NCBI)。
【数据集背景】
源站首次发布:May 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景。需要新的PD-1/PD-L1抑制剂联合疗法来克服对这些药物的耐药性。Bezafibrate是PGC-1a/PPAR复合物的配体,在小鼠中已显示出与PD-1阻断的协同抗肿瘤作用,该作用由T细胞线粒体激活介导。因此,我们现已对既往接受过治疗的晚期非小细胞肺癌患者进行了bezafibrate联合nivolumab的I期试验。主要终点是经历剂量限制性毒性的患者百分比,该联合方案被发现耐受良好。对血浆代谢物和外周细胞毒性T细胞基因表达的预设综合分析表明,bezafibrate通过上调包括脂肪酸氧化在内的线粒体代谢促进T细胞功能,并可能因此延长了缓解持续时间。该联合
【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:Expression profiling by array、GPL23126、9606。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE202417
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=GSE202417
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
背景。需要新的PD-1/PD-L1抑制剂联合治疗方案来克服对这些药物的耐药性。苯扎贝特是PGC-1α/PPAR复合物的配体,在小鼠中已显示出与PD-1阻断的协同抗肿瘤效应,该效应由T细胞线粒体活化介导。因此,我们现已开展了一项苯扎贝特联合纳武利尤单抗的I期试验,受试者为既往接受过治疗的晚期非小细胞肺癌患者。主要终点为发生剂量限制性毒性的患者百分比,结果发现该联合方案耐受性良好。对血浆代谢物和外周细胞毒性T细胞基因表达的预设综合分析表明,苯扎贝特通过上调包括脂肪酸氧化在内的线粒体代谢促进T细胞功能,并可能因此延长了缓解持续时间。这种靶向T细胞代谢的联合策略因此具有维持免疫检查点抑制剂抗肿瘤活性的潜力,值得进一步验证。
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。




