骨髓增殖性肿瘤中MPN特异性抗原及抗MPN TCR的鉴定
该数据集来自clinicaltrials.gov的一项观察性研究,聚焦成人骨髓增殖性肿瘤(MPN)患者,涵盖真性红细胞增多症、原发性血小板增多症、原发性骨髓纤维化、post-PMF及不可分类MPN,并纳入无血液病的健康供者样本

基本信息
资源简介
骨髓增殖性肿瘤中MPN特异性抗原及抗MPN TCR的鉴定
该数据集来自clinicaltrials.gov的一项观察性研究,聚焦成人骨髓增殖性肿瘤(MPN)患者,涵盖真性红细胞增多症、原发性血小板增多症、原发性骨髓纤维化、post-PMF及不可分类MPN,并纳入无血液病的健康供者样本。研究旨在了解免疫系统对MPN的应答,探索骨髓中能否存在识别MPN细胞的T细胞、这些细胞识别哪些抗原靶点,以及能否鉴定可用于未来TCR疗法的T细胞受体。数据可用于MPN免疫应答与抗原特异性T细胞研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:骨髓增殖性肿瘤(MPN)、真性红细胞增多症、原发性血小板增多症(ET)、原发性骨髓纤维化(PMF)。这项观察性研究的目标是了解已知或疑似MPN的成人中免疫系统如何对骨髓增殖性肿瘤(MPN)作出应答。研究人员还希望鉴定可能有助于开发未来MPN免疫治疗方法的免疫细胞。它旨在回答的主要问题是: 骨髓中是否存在能够识别MPN细胞的T细胞? 这些免疫细胞识别MPN细胞上的哪些靶点(抗原)?* 研究人员能否鉴定出可能用于未来基于TCR的治疗的T细胞受体(TCR)?研究人员将研究来自真性红细胞增多症(PV)、原发性血小板增多症(ET)、原发性骨髓纤维化(PMF)、post-PMF或不可分类MPN成人的样本。来自无血液病健康供者的样本
【主题与分类】
主题标签:Myeloproliferative Neoplasm (MPN)、Polycytemia Vera、Essential Thrombocythemia (ET)、Primary Myelofibrosis (PMF)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07590986
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://clinicaltrials.gov/study/NCT07590986
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
疾病:骨髓增殖性肿瘤(MPN)、真性红细胞增多症、原发性血小板增多症(ET)、原发性骨髓纤维化(PMF)。本观察性研究的目标是了解免疫系统对已知或疑似MPN的成人患者中骨髓增殖性肿瘤(MPN)的应答方式。研究人员还希望识别出有助于未来开发针对MPN的免疫治疗方法的免疫细胞。该研究旨在回答的主要问题包括:* 骨髓中是否存在能够识别MPN细胞的T细胞?* 这些免疫细胞识别MPN细胞上的哪些靶点(抗原)?* 研究人员能否识别出可用于未来基于TCR疗法的T细胞受体(TCR)?研究人员将研究来自真性红细胞增多症(PV)、原发性血小板增多症(ET)、原发性骨髓纤维化(PMF)、PMF后或不可分类MPN的成人患者的样本。无血液疾病的健康供者样本也将纳入作为对照。
通过提供血液和骨髓样本,参与者将:* 使研究人员能够研究这些样本中的免疫细胞和遗传物质 * 使研究人员能够进行实验室检测,以研究免疫细胞如何识别MPN细胞 研究人员将使用基因测序、细胞分析和细胞培养实验等实验室方法,以更好地了解MPN中的免疫反应。参与者不会从本研究中获得直接的医疗益处。研究结果可能有助于研究人员更好地了解MPN,并支持未来免疫疗法的开发。
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。




