晚期或复发非小细胞肺癌循环生物标志物与肿瘤免疫微环境相关性综合分析
该数据集来自泰国曼谷两家学术中心的前瞻性晚期或复发非小细胞肺癌队列，纳入依据生物标志物结果接受系统治疗（如EGFR敏感突变用EGFR TKI）的参与者
基本信息
资源简介
晚期或复发非小细胞肺癌循环生物标志物与肿瘤免疫微环境相关性综合分析
Comprehensive analysis of the correlation between circulating biomarkers and tumor-immune microenvironment in advanced or recurrence non-small cell lung cancer in various treatment options, i.e., immunotherapy, EGFR TKI, and chemotherapy
该数据集来自泰国曼谷两家学术中心的前瞻性晚期或复发非小细胞肺癌队列，纳入依据生物标志物结果接受系统治疗（如EGFR敏感突变用EGFR TKI）的参与者。采集治疗前标本和血液，分析循环生物标志物，包括肿瘤免疫微环境指标CD8、Treg/FOXP3和PD-L1（22C3），并采用RNA sequencing和whole-exome sequencing等先进组学平台解释生物学意义。数据可用于探索循环生物标志物与肿瘤免疫微环境的相关性，以及不同治疗选择下的预测分析（来源 NCBI）。
【数据集背景】
源站首次发布：Nov 24 202。
【数据内容】
源站描述（机器翻译，仅供参考）：该前瞻性队列纳入泰国曼谷2个学术中心的晚期或复发非小细胞肺癌患者。我们入组了根据生物标志物结果接受系统治疗的参与者，例如针对致敏EGFR突变的EGFR TKI。收集治疗前标本和血液，并分析循环生物标志物，包括TIME，即CD8、Treg/FOXP3和PD-L1（22C3）。还采用先进组学平台，如RNA sequencing和whole-exome sequencing，以解释生物学意义。
【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=GSE311200
【使用注意】
· 源站最后修改于 Jul 01 202，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=GSE311200
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
泰国曼谷两家学术中心对晚期或复发性非小细胞肺癌进行的前瞻性队列研究。我们纳入了根据生物标志物结果接受全身治疗的参与者，例如，针对敏化EGFR突变的EGFR TKI治疗。收集治疗前标本和血液，并分析循环生物标志物，包括肿瘤免疫微环境（TIME），即CD8、Treg/FOXP3和PD-L1（22C3）。还采用了先进的组学平台，如RNA测序和全外显子组测序，以解释其生物学意义。
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。
