检查点抑制在患者来源肺癌组织中激活先天免疫
源站描述涉及 Pembrolizumab 免疫治疗下肺癌患者疗效差异与耐药问题,利用患者原代肿瘤微环境的肺器官型组织切片培养(OTC),涵盖原发性和脑转移非小细胞肺癌(NSCLC),并采用 13C6-Glc/13C5,15N2-Gln 代谢示踪、多重免疫荧光(mIF)和数字空间 profiling(

基本信息
资源简介
检查点抑制在患者来源肺癌组织中激活先天免疫
Innate immune activation by checkpoint inhibition in patient-derived lung cancer tissues
该数据集来自 search.dataone.org,聚焦肿瘤/肺癌方向,主题标签为 Cancer Metabolism。源站描述涉及 Pembrolizumab 免疫治疗下肺癌患者疗效差异与耐药问题,利用患者原代肿瘤微环境的肺器官型组织切片培养(OTC),涵盖原发性和脑转移非小细胞肺癌(NSCLC),并采用 13C6-Glc/13C5,15N2-Gln 代谢示踪、多重免疫荧光(mIF)和数字空间 profiling(DSP)解析代谢与功能响应。可用于研究肿瘤微环境异质性、免疫治疗响应与耐药机制(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):尽管基于 Pembrolizumab 的免疫治疗显著改善了肺癌患者的生存,但许多患者表现出疗效差异和耐药发展。需要更好地理解该药物的作用以改善患者结局。肿瘤微环境(TME)的功能异质性对调节耐药至关重要;由于缺乏合适的模型,对影响药物响应的个体患者 TME 的理解受到阻碍。从原发性和脑转移(BM)非小细胞肺癌(NSCLC)患者获取的带有患者天然 TME 的肺器官型组织切片培养(OTC)用 Pembrolizumab 和/或 beta-glucan(WGP,一种先天免疫激活剂)处理。采用 13C6-Glc/13C5,15N2-Gln 代谢示踪、多重免疫荧光(mIF)和数字空间 profiling(DSP)来 interrogate 代谢和功能 respons
【主题与分类】
主题标签:Cancer Metabolism。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Abcdba22772e47236191b5ae056262e7e9ef825fc890b2e7dd657fa11bb8bdcc6
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
尽管基于帕博利珠单抗的免疫治疗显著提高了肺癌患者的生存率,但许多患者表现出疗效差异和耐药性的产生。需要更好地理解该药物的作用机制以改善患者预后。肿瘤微环境(TME)的功能异质性对调节耐药性至关重要;由于缺乏合适的模型,了解影响药物反应的个体患者TME受到阻碍。从原发性和脑转移(BM)非小细胞肺癌(NSCLC)患者获取的带有患者原生TME的肺器官型组织切片培养物(OTC)接受帕博利珠单抗和/或β-葡聚糖(WGP,一种先天免疫激活剂)处理。采用13C6-Glc/13C5,15N2-Gln代谢示踪、多重免疫荧光(mIF)和数字空间 profiling(DSP)来探究对帕博利珠单抗和/或WGP的代谢和功能反应。原发性和BM PD-1+肺癌OTC对帕博利珠单抗和……
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。




