肺癌与黑色素瘤患者肠道微生物组及妇科癌症肠道菌群数据集
该数据集来自 clinicaltrials.gov，聚焦非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌与宫颈癌患者，研究肠道微生物组及其衍生因子（包括模拟肿瘤相关抗原的细菌相关抗原）在预测免疫检查点抑制剂免疫治疗反应中的作用
基本信息
资源简介
肺癌与黑色素瘤患者肠道微生物组及妇科癌症肠道菌群数据集
该数据集来自 clinicaltrials.gov，聚焦非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌与宫颈癌患者，研究肠道微生物组及其衍生因子（包括模拟肿瘤相关抗原的细菌相关抗原）在预测免疫检查点抑制剂免疫治疗反应中的作用。数据集英文名称为 Gut Microbiome in Patients With Lung and Melanoma Cancer and Intestinal Microbiota in Gynecologic Cancers，本站归类于肿瘤 / 肺癌方向。其核心关注点是：肠道微生物群及其产生的相关因子能否作为生物标志物，用于预测上述多类癌症患者对免疫检查点抑制剂治疗的应答情况，并进一步探索肠道微生物介导的免疫调节是否具有肿瘤特异性，以及能否用于增强抗肿瘤免疫反应。
【数据集背景】
该数据集所对应的研究围绕肠道微生物组与肿瘤免疫治疗之间的关系展开。涉及的疾病条件包括非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌和宫颈癌。研究背景在于免疫检查点抑制剂免疫治疗在不同肿瘤类型中的应答存在差异，而肠道微生物群及其衍生因子被认为可能参与免疫调节过程。研究特别关注细菌相关抗原模拟肿瘤相关抗原这一机制，试图理解肠道微生物介导的免疫调节是否针对正在治疗的特定肿瘤，以及这种调节能否被用于增强抗肿瘤反应。
【数据内容】
数据集的主题标签涵盖非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌与宫颈癌。研究内容涉及肠道微生物组及其衍生因子，包括模拟肿瘤相关抗原的细菌相关抗原，并围绕这些因素与免疫检查点抑制剂免疫治疗反应预测之间的关系进行探索。数据内容的具体字段、变量结构、样本量、随访时长等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其登记的研究条件为非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌和宫颈癌。关于采集地点、采集时间、采集方法、样本类型与处理流程等具体信息，源站未提供。
【适用场景】
该数据集适用于与肿瘤免疫治疗相关的探索性研究场景，尤其是围绕非小细胞肺癌、黑色素瘤、子宫内膜癌和宫颈癌患者接受免疫检查点抑制剂治疗时，肠道微生物组及其衍生因子在预测治疗反应方面的潜在应用。也可用于探讨肠道微生物介导的免疫调节是否具有肿瘤特异性，以及相关细菌相关抗原模拟肿瘤相关抗原的机制研究。其他具体应用场景源站未提供。
【使用方法】
源站未提供具体的数据使用方式、访问接口、分析流程或操作说明。
【质量与限制】
源站未提供关于数据质量、完整性、准确性、偏倚控制或使用限制的具体说明。由于涉及多类癌症与免疫治疗反应预测，相关结论的适用范围应以源站登记的研究设计为准，源站未提供进一步细节。
【引用与许可】
源站未提供引用格式与许可条款信息。
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://clinicaltrials.gov/study/NCT07815873
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
条件：非小细胞肺癌、黑色素瘤（皮肤癌）、子宫内膜癌、宫颈癌。本研究旨在探讨肠道微生物群及其衍生因子（包括模拟肿瘤相关抗原的细菌相关抗原）在预测多种类型癌症患者对免疫检查点抑制剂免疫治疗反应中的作用。目的是探索肠道微生物群介导的免疫调节是否对正在治疗的肿瘤具有特异性，以及是否可用于增强抗肿瘤反应。
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。
