免疫肽组学指导的非小细胞肺癌新抗原鉴定

源站描述了一项以质谱蛋白质组学为指导、在非小细胞肺癌(NSCLC)中鉴定新抗原的研究:从 24 例 NSCLC 患者队列中对 3 例腺癌和 3 例鳞状细胞癌样本进行详细分析,工作流程在 6 例患者中的 5 例鉴定出能引发功能性 T 细胞应答的新抗原

omicsdi
浏览 2
基因组预测CancerHlaLungNeoantigenPeptidome
Immunopeptidomics guided identification of neoantigens in non-small cell lung cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-11-02

资源简介

免疫肽组学指导的非小细胞肺癌新抗原鉴定

该数据集来自 omicsdi.org,聚焦肿瘤/肺癌方向,主题涵盖 Cancer、Hla、Lung、Neoantigen、Peptidome。源站描述了一项以质谱蛋白质组学为指导、在非小细胞肺癌(NSCLC)中鉴定新抗原的研究:从 24 例 NSCLC 患者队列中对 3 例腺癌和 3 例鳞状细胞癌样本进行详细分析,工作流程在 6 例患者中的 5 例鉴定出能引发功能性 T 细胞应答的新抗原。数据可用于新抗原预测与肿瘤特异性肽段相关研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):由于基因突变与新抗原呈递之间的复杂关系,发现可产生靶向特异性个性化 T 细胞疗法的肿瘤特异性肽段(新抗原)十分困难。预测新抗原的研究成功率仅为 5%,而直接观察到新抗原的情况更为罕见。我们开发了一种以质谱蛋白质组学为指导的方法,用于鉴定非小细胞肺癌(NSCLC)中的新抗原。我们假设,通过表征 HLA 分子呈递的可观察肽段(免疫肽组),可能更好地预测哪些突变会导致新抗原。从 24 例 NSCLC 患者队列中,我们对 3 例腺癌和 3 例鳞状细胞癌样本进行了详细分析。我们的工作流程在 6 例患者中的 5 例鉴定出能引发功能性 T 细胞应答的新抗原,其中直接观察到一种新抗原,并且一个 ov

【主题与分类】

主题标签:Cancer、Hla、Lung、Neoantigen、Peptidome。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/pride/PXD028990

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/pride/PXD028990

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

发现肿瘤特异性肽(新抗原)并据此生成靶向特异性个体化T细胞疗法较为困难,原因在于基因突变与新抗原呈递之间的关系十分复杂。预测新抗原的研究成功率仅为5%,而直接观察到新抗原的情况更为罕见。我们开发了一种质谱蛋白质组学引导的方法,用于识别非小细胞肺癌(NSCLC)中的新抗原。我们假设,通过表征HLA分子所呈递的可观察肽段(免疫肽组),可能有助于更好地预测哪些突变会产生新抗原。在一个由24例NSCLC患者组成的队列中,我们对3例腺癌和3例鳞状细胞癌样本进行了详细分析。我们的工作流程在6例患者中的5例中识别出能够产生功能性T细胞应答的新抗原,其中1个新抗原被直接观察到,预测新抗原的总体应答率为20%。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。