单细胞方法识别免疫检查点阻断肺部毒性生物标志物

数据集获取

源站：https://clinicaltrials.gov/study/NCT04807127

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

条件：肺炎、间质性、免疫治疗、免疫相关不良事件。研究者将对每份样本中多达5，000个单细胞进行单细胞RNA测序和TCR测序。此外，细胞表面蛋白表达可与转录信息整合。将使用包括Seurat在内的多种生物信息学流程来识别不同的细胞簇，并通过标记基因表达将其归属于已知的细胞类型、细胞亚型或表型。例如，这将使得监测表达PD-1/PD-L1的T细胞、细胞毒性T细胞、免疫抑制性髓系细胞等的丰度成为可能。以下单细胞水平的参数将具有相关性，其中包括：* 已确定的免疫细胞类型的组成和相对丰度（例如T细胞（CD4+、CD8+和调节性亚群）、NK细胞、B细胞、MDSC、巨噬细胞、中性粒细胞、树突状细胞）。将分析每种免疫细胞亚型的转录组数据，从而能够表征定义特定表型状态的特定基因表达程序。

• 通过单细胞转录组学鉴定的所有基质细胞亚型的组成。 * 将建立每种细胞类型和细胞亚型（或细胞状态）的基因调控网络，并识别主转录调控因子。 单个T细胞和T细胞亚群将根据干扰素激活、高增殖和转录速率以及增加的颗粒酶表达进行分类，这些都是T细胞激活的指示。 血液样本将接受类似的单细胞实验程序。首先，使用Ficoll密度梯度离心法分离外周血单核细胞（PBMC）。 将对5000个PBMC进行单细胞转录组分析结合CITE-seq。 细胞组成将使用与处理BAL液细胞相同的生物信息学流程确定。

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。