PRJNA1387442:抗诱饵IL-18联合抗PD-1诱导CD4+ T细胞消除小鼠β2M缺陷肺癌
该数据集来自NCBI,属于肿瘤/肺癌分类,主题为转录组或基因表达。源站描述了一项研究:在多种小鼠NSCLC模型中测试抗诱饵IL-18(DR-18)联合抗PD-1的疗效,发现4剂DR-18+抗PD-1在4个β2M缺陷NSCLC模型中的3个中减缓肿瘤生长,并使部分肿瘤完全消除,机制研究聚焦于最敏感的UN

基本信息
资源简介
PRJNA1387442:抗诱饵IL-18联合抗PD-1诱导CD4+ T细胞消除小鼠β2M缺陷肺癌
该数据集来自NCBI,属于肿瘤/肺癌分类,主题为转录组或基因表达。源站描述了一项研究:在多种小鼠NSCLC模型中测试抗诱饵IL-18(DR-18)联合抗PD-1的疗效,发现4剂DR-18+抗PD-1在4个β2M缺陷NSCLC模型中的3个中减缓肿瘤生长,并使部分肿瘤完全消除,机制研究聚焦于最敏感的UNSCC680肺鳞癌模型。数据可用于探索免疫检查点抑制剂耐药机制及联合治疗相关基因表达分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):尽管靶向PD-1/PDL-1轴的免疫检查点抑制剂极大改善了非小细胞肺癌(NSCLC)患者的预后,但原发性和获得性耐药均限制其疗效。既往研究已确定MHC I类抗原提呈的部分或完全缺失是NSCLC免疫治疗耐药的关键驱动因素。在此,我们在几种小鼠NSCLC模型中测试了抗诱饵IL-18(DR-18)联合抗PD-1的疗效。DR-18是一种修饰的IL-18细胞因子,不受IL-18结合蛋白的负调控,具有用于免疫检查点阻断难治性肿瘤的潜力。我们发现,4剂DR-18+抗PD-1在测试的4个β2M缺陷NSCLC模型中的3个中减缓了肿瘤生长,并导致一部分肿瘤完全消除。在最敏感的UNSCC680肺鳞癌中的进一步机制研究
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1387442
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/bioproject/PRJNA1387442
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
尽管针对PD-1/PDL-1轴的免疫检查点抑制剂极大地改善了非小细胞肺癌(NSCLC)患者的预后,但原发性和获得性耐药均限制了其疗效。先前的研究已确定MHC I类抗原呈递的部分或完全缺失是NSCLC免疫治疗耐药的关键驱动因素。在此,我们在几种NSCLC小鼠模型中测试了诱饵抗性IL-18(DR-18)与抗PD-1联合使用的疗效。DR-18是一种经过修饰的IL-18细胞因子,不受IL-18结合蛋白的负调控,有望用于对免疫检查点阻断难治的肿瘤。我们发现,4剂DR-18+抗PD-1在测试的4个β2M缺陷NSCLC模型中的3个中减缓了肿瘤生长,并导致一部分肿瘤完全消除。在最敏感的UNSCC680肺鳞癌模型中进行的进一步机制研究表明,治疗介导的肿瘤消除依赖于CD4+ T细胞和IFNγ。
对经DR-18和抗PD-1治疗的UN-SCC680肿瘤进行免疫表型分析,揭示了活化CD4+ T细胞的富集,以及CD4+ T细胞各亚群中促炎转录程序的促进和肿瘤浸润巨噬细胞中促炎功能的增强。通过使用原代淋巴细胞进行细胞毒性试验,我们发现CD4+和CD8+ T细胞以及NK细胞均具有杀伤UN-SCC680 β2M-KO肿瘤的能力。这些结果初步揭示了CD4+ T细胞在协调非依赖于MHC I类的肿瘤消除机制中的作用,这一机制有望通过DR-18联合抗PD-1治疗得到增强。这项工作凸显了一种潜在策略,以克服或避免由MHC I类抗原呈递受损引起的耐药性。
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。




