抗PD-L1导入联合MAPKi最大化抗肿瘤疗效与免疫[scRNAseq和scTCR-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE177901

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

PD-1/L1和MAPK靶向疗法的适应症跨越多种癌症组织学类型。合理地安排它们的序贯和/或联合使用，可能克服固有和获得性耐药。我们观察到，在既往接受过免疫检查点治疗（ICT）的晚期BRAFV600MUT黑色素瘤患者中，BRAF和V600MUT/MEK抑制剂的临床获益增加。为验证ICT是否能够增强MAPK抑制剂（MAPKi）的疗效，我们在由BrafV600、Nras、Nf1或Kras突变驱动的皮下小鼠肿瘤中比较了序贯/联合治疗方案。最有效的方案包括先给予抗PD-L1引导治疗，再联合MAPKi，并特异性促进瘤内促炎性巨噬细胞以及高表达活化和细胞溶解基因的IFNhi、CD8+细胞毒性T细胞的克隆扩增（相对于CD4+调节性T细胞）。由于黑色素瘤脑转移（MBM）及其治疗耐药倾向限制了患者生存，我们建立了一种BrafV600MUT MBM的实验性转移模型。

在MAPKi联合治疗前进行抗PD-L1序贯治疗，可实现更优的MBM控制与生存获益，并在颅内和颅外均引发显著的瘤内T细胞克隆扩增。我们提出，在MAPKi联合治疗前给予短暂抗PD-1/L1给药可抑制耐药。

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。