转移性非小细胞肺癌抗PD-1免疫治疗应答预测血液免疫图谱

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE295969

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

识别循环中ICB治疗应答预测因子至关重要，因为目前极少有预测因子能满足临床需求。在此，我们利用高维度质谱流式技术，为接受抗PD-1治疗的转移性NSCLC个体设计了血液免疫图谱。我们发现，与应答者相比，无应答者中CD8+PD-L1+ T细胞的频率升高。值得注意的是，成像质谱流式数据显示，CD8+PD-L1+ T细胞在早期NSCLC个体的肿瘤活检、胸腔积液和BAL中富集，提示该细胞亚群不仅可作为晚期疾病检测的候选标志物，也可用于早期疾病检测。转录组分析揭示，CD8+PD-L1+ T细胞呈现耗竭表型，这与其在免疫治疗无应答者中频率升高相关，且相关基因特征与一个独立队列的总生存期相关。总体而言，我们的研究指出了可能有助于寻找免疫治疗应答预测生物标志物的免疫相关事件。

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。