NSCLC患者新抗原靶向DC疫苗诱导持久T细胞应答的全分化状态数据集
该数据集来自一项针对早期可切除NSCLC患者的新抗原靶向树突状细胞疫苗I期临床试验,包含6例患者自体单核细胞来源DC负载新抗原后静脉注射的免疫原性与安全性研究

基本信息
资源简介
NSCLC患者新抗原靶向DC疫苗诱导持久T细胞应答的全分化状态数据集
Neoantigen-targeted DC vaccine generates durable T cell responses exhibiting the full spectrum of differentiation states in NSCLC patients
该数据集来自一项针对早期可切除NSCLC患者的新抗原靶向树突状细胞疫苗I期临床试验,包含6例患者自体单核细胞来源DC负载新抗原后静脉注射的免疫原性与安全性研究。数据以高通量测序表达谱为主,可用于分析疫苗诱导的T细胞应答及分化状态,支持肿瘤免疫治疗相关标志物与疗效关联的探索(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景。基于树突状细胞(DC)的新抗原疫苗接种有望成为早期可切除NSCLC患者安全有效的辅助治疗。DC具有独特能力,可引发强效抗肿瘤T细胞应答,而新抗原是引发高亲和力T细胞应答的理想靶点,具有极佳的肿瘤特异性。在此,我们展示了一项I期临床试验的结果,该试验在六名早期已切除NSCLC患者中评估了一种靶向新抗原的新型DC疫苗。方法。根据4天方案制备负载新抗原的自体单核细胞来源DC(Neo-mDCs)。Neo-mDCs按照患者内剂量递增方案静脉注射。试验主要终点为安全性。次要终点为可行性、免疫原性和无复发生存期。结果。疫苗制备是可行的
【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/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE240361
【使用注意】
· 源站最后修改于 Jun 17 202,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=GSE240361
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。基于树突状细胞(DC)的新抗原疫苗有望成为早期、可切除非小细胞肺癌(NSCLC)患者安全有效的辅助治疗。DC具有独特的能力,可引发强效的抗肿瘤T细胞反应,而新抗原是引发高亲和力T细胞反应并具有优异肿瘤特异性的理想靶点。在此,我们展示了一项I期临床试验的结果,该试验评估了一种靶向新抗原的新型DC疫苗在六名早期、已切除NSCLC患者中的应用。方法。根据4天方案制备负载新抗原的自体单核细胞来源DC(Neo-mDCs)。Neo-mDCs按照患者内剂量递增方案进行静脉注射。试验的主要终点为安全性。次要终点为可行性、免疫原性和无复发生存期。结果。疫苗制备在10名患者中的6名中可行。毒性仅限于1-2级不良事件。在6名接种疫苗的患者中有5名观察到全身性T细胞反应,且以CD8+ T细胞为主,这些细胞可在末次给药后>1.5年于离体条件下以>1.5%的高频率被检测到。
此外,单细胞分析表明,CD8+ T细胞反应群体是多克隆的,并呈现出几乎全部的T细胞分化状态谱系,包括与持久记忆相关的类初始状态,但不包括耗竭细胞状态。六名接种疫苗的患者中有三名出现疾病复发。结论:新抗原负载的mDC疫苗接种在早期NSCLC患者中安全、可行,并能诱导产生包含持久记忆细胞和效应细胞的新抗原特异性多克隆T细胞反应,提示具有临床潜力。
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。




