淋巴结-肿瘤时空图谱揭示耗竭T细胞克隆演化
该数据集来自 NCBI GEO,标题为淋巴结-肿瘤时空图谱揭示耗竭T细胞克隆演化,属于肿瘤/肺癌方向,采用高通量测序表达谱,平台为 GPL24676,物种为 9606

基本信息
资源简介
淋巴结-肿瘤时空图谱揭示耗竭T细胞克隆演化
A lymph node-tumor spatiotemporal atlas of exhausted T cell clone evolution
该数据集来自 NCBI GEO,标题为淋巴结-肿瘤时空图谱揭示耗竭T细胞克隆演化,属于肿瘤/肺癌方向,采用高通量测序表达谱,平台为 GPL24676,物种为 9606。数据包含 1 个文件,样例为 GSE318850_series_matrix.txt.gz,作者为 Yang、Zhang。数据可用于研究非小细胞肺癌中未受累淋巴结的免疫作用、转移淋巴结的免疫抑制微环境、免疫治疗后 CD200+ 祖耗竭 T 细胞扩增、耗竭 T 细胞克隆共享与病理完全缓解的关系,以及 C1QA+ 树突状细胞、CXCL9 和成纤维细胞富集区域对 T 细胞募集与迁移的影响(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):当前手术指南忽视了非小细胞肺癌中未受累淋巴结(uiLNs)的保留,主要源于对其在抗肿瘤免疫中关键作用的认识不足。在此,我们发现转移性淋巴结中存在显著的免疫抑制微环境。相比之下,免疫治疗后 CD200+ 祖耗竭 T 细胞(Tpex)在 uiLNs 中显著扩增。uiLNs 与肿瘤之间耗竭 T 细胞的有效克隆共享与完全病理缓解密切相关。此前未被认识的肿瘤驻留 C1QA+ 树突状细胞分泌 CXCL9,促进 T 细胞募集,而无应答者中成纤维细胞富集的邻域形成免疫抑制屏障,阻碍 CXCL9 扩散和 CD200+ Tpex 迁移。最后,我们证实来自 uiLNs 的肿瘤反应性 Tex 克隆可以系统性持续存在并识别
【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=GSE318850
【使用注意】
· 源站最后修改于 Feb 13 202,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=GSE318850
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
当前的手术指南忽视了在非小细胞肺癌中保留未受累淋巴结(uiLNs),这主要是由于对其在抗肿瘤免疫中的关键作用认识不足。在此,我们发现转移性淋巴结中存在显著的免疫抑制微环境。相比之下,免疫治疗后,CD200+祖细胞耗竭T细胞(Tpex)在uiLNs内显著扩增。uiLNs与肿瘤之间耗竭T细胞的有效克隆共享与完全病理缓解强烈相关。此前未被认识的肿瘤驻留C1QA+树突状细胞分泌CXCL9,促进T细胞募集,而无应答者中富含成纤维细胞的区域则形成免疫抑制屏障,阻碍CXCL9扩散和CD200+ Tpex迁移。最后,我们证实来自uiLNs的肿瘤反应性Tex克隆可在全身持续存在,并鉴定出两种新抗原肽作为这些肿瘤反应性Tex细胞的直接靶标。
我们的研究首次阐明了免疫治疗响应性T细胞亚群在淋巴结-肿瘤轴中的时空动态,并为支持选择性淋巴结清扫策略以保留未受累淋巴结提供了有力证据。
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。




