癌症免疫学数据引擎揭示分泌型AOAH作为潜在免疫治疗靶点

数据集获取

源站：https://doi.org/10.5281/zenodo.15012968

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。

数据集大小约 27.39 GB。

数据说明

该数据集包含原始数据、源数据表以及用于生成手稿中所述图表的结果文件。我们将新生成的RNA-seq数据单独存放于NCBI GEO。Figures_Source_Data.zip：所有图表的源数据。AOAH Flow Data Organized-20250626T140353Z-1-001.zip：所有流式分析数据的原始FCS文件。data_open.zip：所有公开可获取的免疫治疗队列的处理后组学数据。对于需要数据访问申请的私有队列，请在获得各研究原作者批准后，通过电子邮件联系主要联系人（Peng Jiang）获取处理后的数据。gene_scores.zip：使用免疫治疗队列进行的统计分析结果。每个测试变量占一行。来自 bulk 和单细胞数据的结果分别展示在两个文件夹中。列名解释如下：coef：回归系数。se(coef)：标准误。z：coef/se，适用于Cox比例风险模型、逻辑回归和秩和检验。t：coef/se，适用于普通最小二乘（OLS）回归。p：双侧p值。

Cox-PH或逻辑回归采用Wald检验；OLS回归采用Student t检验；仅含二分类结果且无其他临床协变量的数据集采用秩和检验。thres.opt（仅用于可视化目的）：为了可视化每个值的结果，我们通过优化Cox-PH回归中的z分数，选择最佳截断值，以最大化截断后二分类值的正负组间差异。z.opt（仅用于可视化目的）：通过上述过程获得的最佳z分数。mean.value：所有样本的平均值 N：样本数量 FDR：通过Benjamini-Hochberg校正从p值得到的错误发现率。Untargeted_Lipidomics.zip：对经人重组AOAH蛋白和缓冲液对照处理的小鼠CD8 T细胞的细胞培养基和细胞沉淀进行的非靶向脂质组学分析。HE_TCR-T_tissues.zip：脾脏、骨髓和淋巴结的H&E SVS文件

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。