GSE285888：NSCLC患者基线PBMC单细胞RNA测序预测ICI疗效与irAE严重程度

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE285888

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

免疫检查点抑制剂（ICIs）通过为晚期非小细胞肺癌（NSCLC）患者提供显著的临床获益和持久缓解，带来了革命性变化。然而，仅有极少数患者对ICI治疗产生应答，且导致治疗中断的免疫相关不良事件（irAEs）仍是挑战。尽管已认识到需要能够同时预测ICIs疗效和irAEs风险的生物标志物，但此类生物标志物尚未被明确识别。在本研究中，我们对NSCLC患者ICI治疗前的外周血单个核细胞（PBMC）进行了单细胞RNA测序。我们发现，预后不良患者的免疫应答普遍降低。然而，与获得性耐药患者相比，原发性耐药患者的缺氧环境尤为突出。同时，颗粒酶和穿孔素与良好预后密切相关。我们还确定IL1B和CXCL8是irAEs的关键预测因子，其激活与炎症相关。

此外，我们发现CD8+ T细胞和NK细胞中的PRF1在完全缓解和减少ICI治疗相关irAE中发挥关键介质作用。这些发现加深了我们对ICI疗效机制的理解，并为优化免疫治疗策略提供了宝贵信息。通过识别用于更好预后和irAE的生物标志物，本研究为个性化免疫治疗方法奠定了基础，旨在改善临床结局，同时最大限度降低与ICI治疗相关的风险。

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。