黑色素瘤患者anti-LAG3+anti-PD1治疗的单细胞特征

该数据集来自omicsdi.org,收录了转移性黑色素瘤患者接受anti-LAG3+anti-PD1(160+480 mg)治疗后的血液样本单细胞数据

omicsdi
浏览 14
基因组分类Transcriptomics
Single-cell characterization of anti-LAG3+anti-PD1 treatment in melanoma patients

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-12

资源简介

黑色素瘤患者anti-LAG3+anti-PD1治疗的单细胞特征

该数据集来自omicsdi.org,收录了转移性黑色素瘤患者接受anti-LAG3+anti-PD1(160+480 mg)治疗后的血液样本单细胞数据。研究对6例患者的样本进行scRNA+TCRαβ-seq(10X 5')测序,并结合来自40例更大队列的多组学分析(流式、细胞因子、TCRb-seq)。数据涵盖基线、1个月和3个月三个时间点,分选标记为CD45+。该数据可用于研究免疫治疗下黑色素瘤患者外周血免疫细胞的转录组与T细胞受体特征,支持疗效相关细胞亚群及动态变化的探索(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):我们评估了6例转移性黑色素瘤患者的血液样本,这些患者在一项I期试验(NCT01968109)中接受了anti-LAG3+anti-PD1(160+480 mg)治疗,使用单细胞RNA和T细胞受体(TCR)测序(scRNA+TCRαβ-seq,10X 5'),并结合来自40例患者更大队列的其他多组学分析(流式、细胞因子、TCRb-seq)。该数据集包括三个时间点,包括基线、1个月和3个月。分选为CD45+。

【主题与分类】

主题标签:Transcriptomics。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-12733

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-12733

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

我们评估了来自一项I期试验(NCT01968109)中6名接受抗LAG3+抗PD1(160+480 mg)治疗的转移性黑色素瘤患者的血液样本,采用单细胞RNA和T细胞受体(TCR)测序(scRNA+TCRαβ-seq,10X 5’)结合来自更大队列40名患者的其他多组学分析(流式、细胞因子、TCRb-seq)。该数据集包括三个时间点,即基线、1个月和3个月。分选为CD45+。

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。

获取专属数据定制方案