ImmuniT平台：肺癌新抗原预测改进数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE306693

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

背景：肺癌仍是癌症相关死亡的主要原因，许多患者对免疫治疗反应不佳，原因在于肿瘤识别能力有限。基于新抗原的策略提供了一种有前景的解决方案，但当前的发现方法常常遗漏关键靶点，尤其是那些表达低或异质性的靶点。为解决这一问题，我们开发了ImmuniT，一个用于增强新抗原发现和验证的三阶段平台。方法：在经IRB批准的方案下，肺癌患者同意采集肿瘤用于离体处理以调节抗原表达。来自匹配血液的自体T细胞与处理后的癌细胞共培养，以扩增肿瘤反应性细胞群。nextneopi流程整合了突变、转录组和HLA数据以预测候选新抗原，并使用MHC表位四聚体染色进行验证。结果：在五个患者样本中，与传统方法相比，ImmuniT在体外鉴定出更广泛的新抗原谱并诱导了更强的T细胞激活。

值得注意的是，在一个案例中，标准方法遗漏的两个新抗原被证实能在肿瘤浸润和外周隔室中引发肿瘤特异性T细胞反应。结论：这些发现突显了ImmuniT在扩展可操作肿瘤抗原库及改进个性化免疫治疗策略方面的潜力，特别是对于那些对现有治疗反应有限的患者。注：本提交提供了来自NSCLC患者样本的去标识化、汇总级结果，包括归一化的RNA-seq计数、差异表达（DE）结果和拷贝数变异（CNV）调用。由于知情同意限制，原始测序文件（FASTQ/BAM/VCF）未予存放；详见README。

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。