转移性黑色素瘤PD-1阻断耐药基因组、临床数据及脚本

数据集获取

源站：https://search.dataone.org/view/sha256%3Ab3a6c6499bb7d5a517e0bd2bfd75552dca406d1e3906a3238d32f5839a9ccbd2

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

我们分析了来自四个队列（n=140）的既往未接受过ICB治疗的aPD-1 ICB治疗患者的治疗前肿瘤及匹配正常组织的全外显子组测序（WES）。我们发现，高的瘤内基因组异质性和低倍体性能够稳健地识别出对aPD-1 ICB具有内在耐药性的患者。利用来自靶向治疗和ICB治疗时代之前的黑色素瘤队列（“未治疗”队列），我们发现基因组异质性具有预测性，而倍体性具有预后性。为建立临床上可操作的预测，我们利用倍体性和异质性优化了一个预测模型，以高置信度（90% PPV）识别出对aPD1 ICB具有内在耐药性且生存较差的患者亚群。我们用独立队列验证了该模型，并进一步表明，预测为对单药aPD-1 ICB具有内在耐药性的患者中有相当比例对联合ICB有应答，提示这些患者可能从联合ICB中获得不成比例的获益。接受免疫检查点阻断治疗的转移性黑色素瘤患者从已发表的研究中识别（Liu等，Nature Medicine 2019 & Freeman等）。

Cell Reports Medicine 2022）以及已完成的临床试验（BMS Checkmate 038 和 Checkmate 064）。我们仅纳入既往未接受过伊匹木单抗暴露的样本，且具备PD1阻断治疗前获取的配对肿瘤与正常组织的WES数据。临床病理学和人口学数据来自Liu等发表于Nature Medicine 2019的研究、两项临床试验的BMS数据，以及Freeman等的验证队列。数据见图1和补充表1。对aPD1 ICB的最佳客观缓解（BOR）仅对Freeman等研究中纳入的部分患者可得，而对联合免疫治疗（“combo”）队列不可得。来自BMS和Freeman等队列的样本使用Broad Institute CGA流程（57–67）通过TERRA平台重新分析，采用相同的

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。