全血RNA转录模型预测晚期黑色素瘤患者Tremelimumab临床应答

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE94873

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

背景：Tremelimumab是一种阻断CTLA-4的抗体，在部分晚期黑色素瘤患者中显示出临床疗效。目前尚缺乏基于血液的疗效预测基因签名，以满足此类免疫治疗干预措施在临床有效且经济高效使用方面的未满足临床需求。方法：在一项全球多中心III期研究（发现数据集）中，收集了210例接受tremelimumab治疗的初治黑色素瘤患者的外周血样本，置于PAXgene®管中。由中心放射科医师小组根据RECIST标准判定客观缓解。采用定量PCR测定169个mRNA转录本的基因表达。鉴定出一个15基因治疗前疗效预测分类器模型。一个独立的难治性黑色素瘤患者群体（N=150），在化疗后接受tremelimumab治疗，纳入一项全球II期研究（验证数据集）。在验证数据集中应用了使用相同基因、系数和常数的分类器模型，用于预测客观缓解和治疗后一年生存率。

结果：一个包含15个基因的治疗前分类器模型（包括ADAM17、CDK2、CDKN2A、DDP4、ERBB2、HLA-DRA、ICOS、ITGA4、LARGE、MYC、NAB2、NRAS、RHOC、TGFB1和TIMP1）在发现集中实现了0.86的曲线下面积（AUC）（p< 0.0001）。该模型在验证集中得到验证，客观缓解的AUC为0.641（p= 0.049），一年生存率的AUC为0.68（p=0.0002）。结论：据我们所知，这是针对检查点抑制剂tremelimumab的最大规模血液生物标志物研究之一，展示了一个经过验证的治疗前mRNA分类器模型，能够预测临床反应。数据表明，这些模型捕捉到了代表强健抗癌免疫反应所需基因的生物学特征。它们还能在影像学证据显示疾病进展之前显著地识别出对tremelimumab无响应者。

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。