治疗前外周免疫组成可准确预测大B细胞淋巴瘤患者CAR-T结局

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE267097

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

嵌合抗原受体（CAR）-T细胞疗法已经彻底改变了复发/难治性B细胞恶性肿瘤的治疗格局。尽管取得了成功，但仍有约60%的患者出现治疗失败，这凸显了需要更好地理解应答与耐药的決定因素。我们对57例弥漫性大B细胞淋巴瘤（DLBCL）患者的治疗前外周血样本和抗CD19 CAR-T产品进行了单细胞RNA测序，并将分子和细胞特征与临床结局进行关联分析。在白细胞分离术时，应答者表现出CD16+单核细胞和CD4+效应记忆T细胞水平升高。相比之下，无应答者在T细胞和髓系细胞区室中表现出炎症驱动的基因表达特征，以TNF-α应答信号通路上调为标志。值得注意的是，恶性或健康B细胞的存在（57例患者中的13例）与有利的应答强烈相关。

这些发现揭示了有利于CAR-T疗法成功的免疫景观，并为开发个性化工具提供了分子框架，以改进患者筛选、分层以及下一代CAR-T疗法的设计。

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。