转移性黑色素瘤免疫检查点阻断耐药相关TCR数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE308435

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

驱动ICB耐药的基因组、转录组和微环境可变特征之间的相互作用仍知之甚少。在此，我们对来自34例转移性黑色素瘤患者的42份连续活检样本进行了多组学分析（单核RNA、T细胞受体和全基因组测序）。利用贝叶斯整合模型，我们识别出ICB敏感和耐药克隆反复出现的特征，并将基因剂量效应与转录输出解耦，从而界定可塑性的遗传和非遗传基础。对肿瘤-免疫微环境的联合表征揭示了恶性细胞和免疫细胞随ICB治疗发生的演化，捕捉到T细胞状态和巨噬细胞极化的临床相关变化。恶性与免疫区室之间共同演化的串扰定义了克隆特异性免疫逃逸回路，包括CD58-CD2轴的削弱。本研究提供了一个统一框架，用于解析复杂的细胞内和细胞间基因型-表型相互作用，并表明长期暴露于ICB后会出现不断演变的免疫功能障碍，从而为黑色素瘤及其他疾病的临床实践提供信息。

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。