GSE350284:替莫瑞普联合比美替尼在NRAS突变黑色素瘤中诱导抗肿瘤免疫
该数据集来自NCBI GEO,包含一项单中心观察性研究,评估病灶内注射talimogene laherparepvec(T-VEC)联合口服binimetinib在检查点难治性NRAS突变转移性黑色素瘤患者中的疗效

基本信息
资源简介
GSE350284:替莫瑞普联合比美替尼在NRAS突变黑色素瘤中诱导抗肿瘤免疫
Combined talimogene laherparepvec and binimetinib in NRAS-mutated melanoma induces anti-tumor immunity
该数据集来自NCBI GEO,包含一项单中心观察性研究,评估病灶内注射talimogene laherparepvec(T-VEC)联合口服binimetinib在检查点难治性NRAS突变转移性黑色素瘤患者中的疗效。研究对治疗前和治疗中注射肿瘤的免疫细胞进行单细胞多组学分析,以检测分子变化。数据可用于探索联合治疗诱导的抗肿瘤免疫机制及免疫细胞表达特征(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):在一项单中心观察性系列中,病灶内注射talimogene laherparepvec(T-VEC)联合口服binimetinib,7例检查点难治性、NRAS突变转移性黑色素瘤患者中有6例出现完全缓解,包括疾病快速进展、远处非注射病灶和脑转移的患者。单独使用任一药物均未预期能达到这种缓解程度。与在我们机构接受T-VEC单药或非binimetinib联合方案治疗的已知NRAS突变黑色素瘤的所有其他患者相比,7例中有2例达到完全缓解,提示T-VEC与binimetinib联合方案的缓解并非仅仅是NRAS突变黑色素瘤的特征。我们使用单细胞多组学分析来评估治疗前与治疗中注射肿瘤之间免疫细胞的分子变化。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL34284、9606。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE350284
【使用注意】
· 源站最后修改于 Oct 12 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE350284
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
在一项单中心观察性系列研究中,采用病灶内注射talimogene laherparepvec(T-VEC)联合口服binimetinib治疗,7例检查点抑制剂难治性、NRAS突变转移性黑色素瘤患者中有6例达到完全缓解,包括疾病快速进展、远处未注射病灶以及脑转移的患者。单独使用任一药物均不太可能达到这种程度的缓解。与我们机构中已知NRAS突变黑色素瘤、仅接受T-VEC治疗或接受非binimetinib联合方案治疗的所有其他患者相比,7例中有2例达到完全缓解,提示T-VEC与binimetinib联合治疗的缓解并非仅仅是NRAS突变黑色素瘤的特征。我们采用单细胞多组学分析来评估治疗前与治疗中注射肿瘤之间免疫细胞的分子变化。
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。




