IFN-I-DUSP2-NFAT轴限制肺癌肿瘤重塑与免疫治疗应答
该数据集来自NCBI GEO,包含肺鳞状细胞癌(LUSC)患者免疫检查点阻断(ICB)治疗前后的单细胞RNA测序数据,按治疗结局分层

基本信息
资源简介
IFN-I-DUSP2-NFAT轴限制肺癌肿瘤重塑与免疫治疗应答
The IFN-I-DUSP2-NFAT axis Limits Tumor Remodeling and Immunotherapy Response in Lung Cancer
该数据集来自NCBI GEO,包含肺鳞状细胞癌(LUSC)患者免疫检查点阻断(ICB)治疗前后的单细胞RNA测序数据,按治疗结局分层。数据可用于研究应答者中B细胞和Tfh细胞扩增及TLS样微环境形成,以及非应答者中持续IFN-I信号和CD36⁺SPP1⁺TAM积累的机制,并探索DUSP2-NFAT轴在T细胞功能失调中的作用(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):I型干扰素(IFN-I)在肿瘤微环境(TME)中发挥依赖环境的作用,但其在塑造免疫治疗应答中的作用仍不清楚。在此,我们对免疫检查点阻断(ICB)治疗前后收集的肺鳞状细胞癌(LUSC)样本进行了单细胞RNA测序,并按治疗结局分层。在应答者中,ICB诱导B细胞和滤泡辅助性T(Tfh)细胞扩增,促进三级淋巴结构(TLS)样生态位的形成。相比之下,非应答者表现出持续的IFN-I信号传导和CD36⁺ SPP1⁺肿瘤相关巨噬细胞(TAM)的积累,这些巨噬细胞分泌IFN-I并破坏淋巴聚集。在基线时,T细胞中异常的NFAT信号标志着功能失调状态。在机制上,IFN-I在预耗竭T细胞中上调磷酸酶DUSP2,后者使NFAT去磷酸化并促进其核
【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:GPL24247、10090。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=GSE302517
【使用注意】
· 源站最后修改于 Jul 19 202,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=GSE302517
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
I型干扰素(IFN-I)在肿瘤微环境(TME)中发挥依赖环境的作用,但其在塑造免疫治疗应答中的作用仍不清楚。在此,我们对免疫检查点阻断(ICB)治疗前后收集的肺鳞状细胞癌(LUSC)样本进行了单细胞RNA测序,并按治疗结局进行分层。在应答者中,ICB诱导B细胞和滤泡辅助性T(Tfh)细胞扩增,促进三级淋巴结构(TLS)样微环境的形成。相比之下,无应答者表现出持续的IFN-I信号传导以及CD36⁺ SPP1⁺肿瘤相关巨噬细胞(TAM)的积聚,这些巨噬细胞分泌IFN-I并破坏淋巴样聚集。在基线时,T细胞中异常的NFAT信号传导标志着功能障碍状态。在机制上,IFN-I上调了前耗竭T细胞中的磷酸酶DUSP2,后者使NFAT去磷酸化并促进其核定位。核内NFAT反式激活编码抑制性受体的基因,从而强化T细胞耗竭。敲除Dusp2可恢复CD8⁺ T细胞功能和Tfh-B细胞相互作用,改善对PD-1阻断的应答。
这些发现确定了一条致病性的IFN-I-DUSP2-NFAT轴,该轴限制了LUSC中免疫治疗的疗效。
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。




