用于病毒与肿瘤抗原T细胞特异性精准预测的生物物理建模

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE332840

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

准确预测T细胞受体（TCR）特异性仍是免疫学中一个重要的未解难题，对疫苗设计、优化免疫治疗以及改善自身免疫性疾病的管理具有广泛意义。然而，个体患者免疫组库层面肽抗原和TCR序列的多样性仍然构成巨大的计算挑战。在此，我们开发了一种实验与计算相结合的方法，用于预测临床来源TCR序列的抗原特异性。我们的模型基于实验预先鉴定和利用AlphaFold3进行计算机预测的TCR-pMHC结构组合进行训练。我们将该结构模型应用于造血干细胞移植（HSCT）的临床场景，并证明该模型能够有效辨别先前未见的供者和患者来源TCR序列针对肿瘤相关抗原和病毒抗原的特异性。通过整合基于序列的聚类和结构多样化的训练模板，模型性能得到进一步增强。

我们的结果突显了结构引导的机器学习框架的预测能力，这些框架在少数测试数据集上训练，能够预测未见过的TCR序列的抗原特异性，并可能对广泛的免疫学应用产生潜在影响。

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。