GSE115821：转移性黑色素瘤免疫检查点阻断治疗应答的稳健预测

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE115821

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

免疫检查点阻断（ICB）疗法带来了显著的临床获益，其中黑色素瘤是其成功的最前沿。然而，目前只有一部分晚期肿瘤患者从这些疗法中获益，且这些疗法有时会带来相当大的副作用和费用。由于免疫反应的复杂性以及缺乏包含组学和应答数据的大型ICB治疗患者队列，构建此类患者应答预测因子一直是一项严峻挑战。在此，我们构建了IMPRES，一种黑色素瘤ICB应答预测因子，它涵盖了免疫检查点基因之间的15对转录组学关系。它基于两个关键假设：（a）神经母细胞瘤中自发消退的免疫机制可以预测黑色素瘤的ICB应答；（b）关键免疫相互作用可以通过免疫检查点基因表达的特定成对关系来捕获。IMPRES在9个已发表数据集1–6以及一个新生成的数据集上进行了验证，该数据集包含31个接受抗PD-1治疗的肿瘤样本和10个接受抗CTLA-4治疗的肿瘤样本（其中一些样本同时接受两种抗体治疗），共计297个样本。

其总体准确率达到了AUC=0.83，超越了现有的预测模型，几乎能识别所有真正响应治疗的患者，同时对非响应者的误分类率低于一半。未来研究有必要验证本文提出的方法在其他癌症类型中的应用价值。

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。