当前位置: 首页 > news >正文

Cell | 大规模 单细胞图谱 揭示非小细胞肺癌抗PD-1治疗后的免疫微环境异质性


–https://doi.org/10.1016/j.cell.2025.03.018

A single-cell atlas reveals immune heterogeneity in anti-PD-1-treated non-small cell lung cancer

留意更多内容:组学之心

研究简介

背景与问题

非小细胞肺癌(NSCLC)术后复发率高。新辅助免疫治疗联合化疗提高了疗效,但患者间反应差异大,其异质性机制尚不明确,急需深入了解。

肿瘤免疫微环境(TIME)是免疫治疗反应的关键。单细胞测序技术有助于分析TIME,但既往研究队列小,难以全面探索患者群体层面的反应异质性。

本研究方法

研究组建了一个大型队列(234例)接受新辅助免疫治疗联合化疗的NSCLC患者。利用单细胞RNA和T细胞受体测序(scRNA/TCR-seq)对治疗后肿瘤样本进行了详细分析。

主要发现:

  • 对234例接受抗PD-1治疗的非小细胞肺癌患者的分析揭示了5种TIME亚型
  • NK细胞、记忆性B细胞和前体耗竭T细胞与MPR相关
  • T细胞克隆扩增特征可识别非MPR患者的异质性
  • Tex相关细胞中Texp细胞的比例与无复发生存期相关

研究意义

为局部晚期NSCLC患者接受新辅助抗PD-1阻断治疗后的个体化反应预测和分层提供了重要见解。

研究结果

1.抗PD-1治疗的NSCLC肿瘤浸润性免疫细胞的大规模图谱

样本基本情况

研究前瞻性随访了334例新诊断、未经治疗的LUSC(245名)或LUAD(89名)患者(排除了EGFR突变或ALK重排患者),这些患者接受了抗PD-1联合化疗作为新辅助治疗。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

对术后切除的肿瘤进行病理评估,通过计算总肿瘤床面积中残留活肿瘤百分比(RVT%)来衡量病理反应率(1-RVT%):

  • 主要病理反应 (MPR): RVT% ≤ 10%。这是后续分析的主要分层依据
  • 病理完全缓解 (pCR): 在达到MPR的患者中,原发肿瘤和任何淋巴结的RVT%均为0%

观察到患者中的MPR率为57.2%,其中pCR率为39.2%:

临床因素与MPR

单变量logistic回归分析显示,治疗持续时间和不同类型的抗PD-1药物与MPR无显著相关性,这表明需要进一步研究不同反应程度的深层机制,特别是TIME的异质性。

单细胞测序分析

对随访的334例患者中234例患者术后切除的肿瘤进行了高质量的scRNA/TCR-seq分析,质控:

从scRNA-seq数据中分选并注释了CD45+免疫细胞,最终获得了包含1,254,749个肿瘤浸润性免疫细胞的高质量图谱。该图谱详细解析出51种免疫细胞亚型,涵盖了肿瘤浸润性T细胞、自然杀伤(NK)细胞、B细胞和髓系细胞:

细胞亚型的具体biomarker如下:

2.免疫细胞亚群丰度分析揭示了五种TIME亚型

TIME亚型的识别

研究通过计算每位患者总CD45+细胞中各种免疫细胞亚型的比例,并应用非负矩阵分解(NMF)方法,对222名患者的肿瘤免疫微环境(TIME)异质性进行了探索。通过确定NMF的最佳秩,研究最终将TIME异质性分为五种不同的亚型。每位患者被分配到一种TIME亚型进行后续分析:

  • TIME-NK: 富含NK细胞和NK样T细胞。
  • TIME-BE: 富含B细胞。
  • TIME-Teff: 富含效应T细胞。
  • TIME-Treg: 富含调节性T细胞(Treg)。
  • TIME-Mye: 富含髓系细胞。

TIME亚型与治疗反应的关系:

不同TIME亚型的患者表现出不同的主要病理反应率(MPR率)。其中,TIME-NK、TIME-BE和TIME-Teff亚型显示出较高的MPR率,而TIME-Treg和TIME-Mye亚型则MPR率较低:

此外,TIME-Treg亚型患者的治疗前PD-L1 TPS评分通常低于TIME-Teff患者:

在TIME-Teff亚型中,肺腺癌(LUAD)患者的MPR率低于肺鳞癌(LUSC)患者:

这与随访的所有334名患者数据中LUAD患者MPR率低于LUSC患者的趋势一致,表明观察到的差异不是由于抽样偏差:

3.FGFBP2+ NK/NK样T细胞在TIME-NK患者中富集

研究发现在实现主要病理反应(MPR)的TIME-NK亚型患者中,两种特定的FGFBP2+细胞亚群——NK_CD16hi_FGFBP2细胞和CD8T_NK-like_FGFBP2细胞——水平最高。这两种细胞是研究识别出的三种NK/NK样T细胞亚型中的两种:

FGFBP2+细胞的细胞毒性特征与功能:

这些FGFBP2+细胞亚群,特别是CD8T_NK-like_FGFBP2细胞,同时表达CD8+ T细胞和NK细胞标记,并表现出比NK_CD16low_GZMK细胞更高的细胞毒性相关基因(PRF1和GZMB)表达,表明其细胞毒性潜力增强:

CD8T_NK-like_FGFBP2细胞还表达TCR基因:

并在TIME-NK患者中显示出最高的克隆扩增水平,这些特征提示它们在肿瘤清除中可能发挥重要作用:

FGFBP2+细胞与化疗反应的关联:

值得注意的是,这两种FGFBP2+细胞亚群均不表达PDCD1(编码PD-1),这表明它们可能不受抗PD-1药物的直接影响,并且可能参与了与T细胞耗竭不同的发育途径:

重要的是,CD8T_NK-like_FGFBP2细胞在新辅助化疗alone获得MPR的NSCLC患者中富集,并且在响应化疗的乳腺癌患者中也观察到FGFBP2+细胞的富集。体外实验也证实化疗药物(如卡铂、顺铂)预处理可以增强NK细胞的杀伤效率:

4.在TIME-BE患者中观察到B细胞聚集体的形成

在具有较高主要病理反应率(MPR率)的TIME-BE亚型患者中,肿瘤中存在显著的记忆B细胞浸润。通过CD20免疫染色观察到这些患者的消退肿瘤床中形成了丰富的B细胞聚集体:

且定量分析显示TIME-BE患者的B细胞聚集体数量在所有亚型中最多:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

B细胞聚集体可能代表三级淋巴结构(TLSs):

结合现有研究表明滤泡辅助T细胞(Tfh细胞)和树突状细胞是三级淋巴结构(TLSs)的关键组成部分且与改善的临床结局相关,TIME-BE患者中也存在高水平的Tfh和树突状细胞浸润,这提示这些B细胞聚集体可能代表了TLSs:

成熟TLSs与治疗反应的关联:

通过多重免疫荧光(mIF)技术,研究进一步区分了成熟(CD21+ DC-LAMP+)和不成熟(CD21− DC-LAMP−)的TLSs:

在具有B细胞聚集体的患者中,获得MPR的患者拥有更多数量的成熟TLSs,这表明成熟TLSs在促进免疫治疗反应中发挥重要作用:

总体而言,研究数据表明TIME-BE亚型代表了一个对化疗免疫治疗高度敏感的患者亚群,这种敏感性可能与肿瘤微环境中成熟三级淋巴结构的形成有关。

5.在TIME-Teff和TIME-Treg患者中富集了不同的T细胞亚群

TIME-Teff和TIME-Treg亚型在T细胞组成上的显著差异:

尽管TIME-Teff和TIME-Treg患者的总T细胞水平相似:

但两者在T细胞亚型丰度和主要病理反应率(MPR率)上存在显著不同。这些差异体现在CD8+和CD4+ T细胞区室:

CD8+ T细胞亚型的对比:

TIME-Teff患者:

在CD8+ T细胞中,TIME-Teff患者富集了粘膜相关不变T细胞(MAITs)、效应记忆T细胞和常驻记忆T细胞等亚型,这些细胞表达早期活化基因,例如IL7R、TCF7和GZMK。相反,TIME-Treg患者则富集了耗竭性T细胞(Tex和终末期Tex),这些细胞表达高水平的免疫检查点分子和CXCL13:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

与Tex细胞相比,终末期Tex细胞表达更高水平的检查点分子,并独特地表达LAYN和ENTPD1。

TIME-Treg患者的CD8+ T细胞表现出更高的耗竭和功能障碍特征:

CD4+ T细胞亚型的对比:

在CD4+ T细胞中,TIME-Teff患者主要富集幼稚、记忆和效应记忆CD4+ T细胞,而TIME-Treg患者则显示出调节性T细胞(Treg)、滤泡辅助T细胞(Tfh)和CD4T_Th1-like_CXCL13细胞的增加:

Treg亚型的异质性与分布:

鉴于Treg富集与TIME-Treg患者较低MPR率的相关性,研究进一步分析了Treg亚型的组成。研究识别出三种Treg亚型:增殖性Treg、CCR8- Treg和CCR8+ Treg

与CCR8- Tregs相比,CCR8+ Tregs表达更高水平的TNFRSF4、TNFRSF18和CCR8:

其中CCR8+ Tregs表达高水平的FOXP3、IL2RA和CTLA4,表明具有高免疫抑制潜力。

与TIME-Teff患者相比,TIME-Treg患者显著增加了CCR8+ Tregs和增殖性Tregs的数量:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

且这些Treg亚型表达CXCR3,呈现Th1样特征:

通过多重免疫荧光染色也证实了在TIME-Treg患者中FOXP3+ CCR8+细胞数量和比例的增加,进一步支持了TIME-Teff和TIME-Treg亚型富集不同Treg亚型的结论:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

6.TIME-Teff和TIME-Treg患者中不同的T细胞扩增模式

使用scTCR-seq分析T细胞克隆扩增:

研究利用scTCR-seq技术,总共识别出144,162个CD8+ T细胞为克隆扩增的CD8+ T细胞,定义为每个检测到的TCR克隆型具有至少3个细胞:

越来越多的证据表明,表达ENTPD1的终末期耗竭CD8+ T细胞来源于肿瘤抗原特异性T细胞,而不是肿瘤非相关T细胞:

研究将扩增的终末期Tex相关CD8+ T细胞,视为肿瘤抗原特异性T细胞的替代指标。作者认为与扩增的终末期Tex细胞共享TCR的CD8+ T细胞将共享相同的抗原特异性,无论其转录特征如何。

因此,研究选择了所有与扩增的终末期Tex细胞共享TCR的CD8+ T细胞,并将这部分T细胞称为Tex相关细胞。

Tex相关细胞包括前体耗竭T细胞(Texp)和扩增的终末期耗竭T细胞(expanded terminal Tex),两者在基因表达上有所差异,其中Texp细胞显示出较低的检查点基因表达和较高的GZMK/IL7R表达:

在214名患者的15,615个扩增的CD8+ T细胞克隆型中,有2,297个(14.7%)是Tex相关克隆型。在144,162个扩增的CD8+ T细胞中,有8,718个(6.0%)和42,399个(29.4%)分别被指定为扩增的终末期Tex细胞和Texp细胞。

Tex相关CD8+ T细胞组成的差异与MPR相关性:

TIME-Teff和TIME-Treg患者的Tex相关克隆型总数和整体扩增水平相似:

然而,TIME-Teff患者在总Tex相关细胞中表现出Texp细胞丰度增加,而TIME-Treg患者在Tex相关细胞中观察到更高比例的终末期Tex细胞:

这一发现与Texp细胞被认为与治疗反应相关,以及终末期Tex细胞比例较高与较低MPR率之间的关联相符。

CCR8+调节性T细胞的克隆扩增模式:

研究还分析了被认为具有高免疫抑制潜力的CCR8+调节性T细胞(Tregs)的克隆扩增。扩增的CCR8+ Tregs定义为每个克隆型具有至少3个细胞的CCR8+ Tregs:

在214名患者中共识别出1,672个扩增的CCR8+ Treg克隆型。

结果显示,与TIME-Teff患者相比,TIME-Treg患者拥有更多数量的扩增CCR8+ Treg克隆型,且这些克隆型的克隆扩增水平也更高:

总体而言,研究数据表明TIME-Teff和TIME-Treg患者不同的主要病理反应率(MPR率)与肿瘤浸润性T细胞不同的克隆扩增模式密切相关。

高MPR率的TIME-Teff患者倾向于在Tex相关细胞中富集Texp细胞,而低MPR率的TIME-Treg患者则表现出Tex相关细胞中终末期Tex细胞比例的增加以及高免疫抑制性CCR8+ Treg克隆型的显著扩增:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

7.五种TIME亚型中的T细胞扩增状态

跨TIME亚型和MPR/非MPR患者的T细胞扩增分析范围:

研究扩展了T细胞扩增状态的分析,涵盖了所有五种TIME亚型中的MPR和非MPR患者亚群:

整体来看,TIME-Treg患者显示出最多的Tex相关克隆型和扩增的CCR8+ Treg克隆型数量:

研究比较了同一TIME亚型中MPR和非MPR患者的T细胞扩增状态。同一TIME亚型中的MPR和非MPR患者在总CD45+细胞中的T细胞丰度相当:

在同一TIME亚型内比较MPR和非MPR患者时,观察到非MPR患者倾向于某些与较低反应相关的T细胞特征,如Texp细胞比例降低、Tex相关细胞扩增减少以及CCR8+ Tregs比例增加的趋势:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

非MPR患者的异质性及基于Treg扩增的分类:

研究发现未达到MPR的患者群体内部存在显著异质性。通过分析所有患者的T细胞克隆型数量,研究根据扩增的CCR8+ Treg克隆型数量(高于上四分位数R9)将非MPR患者分为Treghi非MPR患者(高Treg扩增)和Treglow非MPR患者(低Treg扩增):

Treghi非MPR患者的扩增CCR8+ Treg克隆型数量远高于其他组,并且这类患者分布在所有五种TIME亚型中,而非MPR的TIME-NK、TIME-BE和TIME-Mye患者则大多属于Treglow亚群:

Treg扩增分类的验证:

通过对肿瘤样本进行CCR8免疫染色,研究证实了Treghi非MPR患者相比于Treglow非MPR患者具有更高数量和比例的CCR8+细胞/Tregs,从而在组织层面验证了基于CCR8+ Treg克隆扩增进行的患者分类:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

不同结局患者亚群的T细胞扩增模式对比:

进一步比较显示,Treghi非MPR患者拥有显著更多的Tex相关克隆型和更高的Tex相关细胞扩增程度,但其Tex相关细胞中Texp细胞比例最低,Treglow非MPR患者的Tex相关克隆型数量与MPR患者相似,但也显示出Texp细胞比例降低的趋势:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

同时,Treghi非MPR患者的CCR8+ Tregs扩增显著增加且在所有Tregs中所占比例更高:

这些数据表明,未达到MPR的患者群体并非同质:Treghi非MPR患者在T细胞扩增模式上与MPR患者显著不同,而Treglow非MPR患者更接近MPR患者,但在Tex相关细胞扩增和CCR8+ Tregs比例上也存在差异。两种非MPR亚型都趋向于在Tex相关细胞中Texp细胞比例较低。

8.五种TIME亚型中的T细胞扩增状态

无复发生存期(RFS)与TIME亚型及PRR的关系:

研究对159名患者进行了新辅助免疫治疗后无复发生存期(RFS)分析,发现不同TIME亚型的患者表现出不同的RFS率,其中TIME-NK或TIME-Teff患者复发风险最低,而TIME-Treg或TIME-Mye患者RFS降低:

病理反应率(PRR)被确定为与RFS显著相关的临床因素,这与先前研究一致:

T细胞扩增特征与RFS的关联:

对所有患者进行的单变量Cox回归分析显示,扩增CCR8+ Treg克隆型数量和所有Tregs中CCR8+ Tregs的比例与RFS显著相关:

其中,Tex相关细胞中Texp细胞的比例是与RFS最显著相关的T细胞扩增特征(每增加10% Texp比例,风险比HR为0.49):

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Tex细胞比例的预测能力(AUC 0.701)与PRR相似(AUC 0.686),且多变量分析证实Texp比例和PRR与RFS独立相关:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

对外部数据集的重新分析也支持了Texp特征与生存或无复发状态的相关性:

Texp比例在非MPR患者中的预测价值:

针对具有较高复发风险的非MPR患者群体,研究进一步分析发现,在Treghi和Treglow非MPR患者中,Tex相关细胞中Texp细胞的比例仍然是与RFS显著相关的预测因素,而PRR在此亚群中不再具有显著预测价值:

Kaplan-Meier曲线分析也证实,在Treghi和Treglow非MPR患者中,Tex相关细胞中Texp细胞比例越高,复发风险越低:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Texp比例对非MPR患者的风险分层能力:

使用所有非MPR患者中Tex相关细胞中Texp细胞比例的中位数作为阈值,可以将非MPR患者分为复发风险显著降低的亚群(与MPR患者相似)和高风险亚群:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

在所有非MPR患者中,Tex相关细胞中Texp细胞的比例(AUC 0.736)在预测复发方面优于PRR(AUC 0.59)。这些数据表明,Tex相关细胞中Texp细胞的比例可以有效区分复发风险不同的非MPR患者,并且预测准确性高于PRR:

讨论

新辅助治疗面临的挑战与研究背景

讨论首先指出,虽然新辅助免疫治疗联合化疗是局部晚期NSCLC的优选方案,但患者反应差异大,约40%患者未能达到MPR,且非MPR患者的预后和内部异质性不清楚。

目前的病理反应率(PRR)不足以准确识别不会复发的非MPR患者,因此需要深入理解肿瘤免疫微环境(TIME)的异质性,以改善患者分层和治疗管理。

本研究对TIME异质性的贡献(亚型鉴定)

研究通过鉴定五种具有不同免疫细胞亚群组成和反应率的TIME亚型,扩展了对反应变异背后TIME异质性的理解。特别强调了TIME-NK亚型的高MPR率与FGFBP2+ NK/NK样T细胞的富集相关,这可能与这些细胞对化疗敏感性有关,并与仅接受化疗即获MPR的患者特征一致。

此外,研究在真实世界患者中证实了CCR8+ Tregs与MPR率降低的相关性,支持了其免疫抑制作用及作为治疗靶点的潜力。

非MPR患者内部的T细胞扩增异质性

研究进一步揭示了非MPR患者群体并非同质,而是存在T细胞扩增模式上的异质性,特别是调节性T细胞和Tex相关细胞的差异扩增,由此将非MPR患者细分为Treghi和Treglow亚型。这一发现提示不同非MPR亚型可能需要结合抗PD-1采用差异化的治疗策略。

Texp细胞比例作为RFS预测标志物的价值

最重要的是,研究发现Tex相关细胞中Texp细胞的比例是预测非MPR患者复发风险的更好指标,其预测能力优于PRR。

由于术后复发主要源于微转移且PRR无法准确识别高风险非MPR患者,而Texp细胞特征反映了能够扩增并靶向恶性细胞的免疫细胞状态,因此它可能更好地预测免疫系统清除微转移的能力。

这项研究提供了一个有价值的免疫特征,有助于在新辅助化疗免疫治疗后更精准地对非MPR NSCLC患者进行风险分层,指导后续辅助治疗和临床管理决策。

相关文章:

Cell | 大规模 单细胞图谱 揭示非小细胞肺癌抗PD-1治疗后的免疫微环境异质性

–https://doi.org/10.1016/j.cell.2025.03.018 A single-cell atlas reveals immune heterogeneity in anti-PD-1-treated non-small cell lung cancer 留意更多内容:组学之心 研究简介 背景与问题 非小细胞肺癌(NSCLC)术后复发率高。新…...

光流 | 基于深度学习的光流估计算法汇总,原理,公式,流程图,代码

基于深度学习的光流算法 一、光流估计的基本原理二、基于深度学习的光流估计算法1. **FlowNet系列**2. **FlowNet 2.0**3. **PWC-Net**4. **RAFT(Recurrent All-Pairs Field Transformers)**5. **LiteFlowNet系列**三、算法流程图示例FlowNet2.0架构PWC-Net金字塔处理流程四、…...

常见的算法介绍

算法概述线性回归(Linear Regression)线性回归是一种通过属性的线性结合来进行预测的线性模型, 其目的是找到一条直线, 一个平面或者更高维的超平面, 使预测值和真实值之间的误差最小化逻辑回归(Logistic Regression)逻辑回归是一种分类模型, 入二分类公式 P ( Y 1 ∣ X ) e …...

【基于 LangChain 的异步天气查询1】异步调用 Open-Meteo API 查询该城市当前气温

目录 一、功能概述 二、文件结构 三、城市天气实时查询(运行代码) weather_runnable.py main.py 运行结果 四、技术亮点 五、使用场景 一、功能概述 它实现了以下主要功能: 用户输入地点(城市名) 构造提示词…...

深入解析JavaScript变量作用域:var、let、const全攻略

在JavaScript中,变量作用域是一个核心概念,它决定了变量的可访问性和生命周期。理解变量作用域对于编写清晰、高效且无错误的代码至关重要。本文将深入探讨JavaScript中不同类型的变量声明方式(var、let、const等),分析…...

C33-函数嵌套及编码实战

我们以一个编程题目的实践来学习此部分内容 题目:输入四个数,以函数的方式找出最大值 思维:使用两个数找出较大值→较大值与第三个数比较得出新的较大值→新的较大值与第四个数比较得出最大值 代码 #include <stdio.h>//内层函数的封装int GetMaxFromTwoNums(int a,int…...

clangd与clang-tidy

Clangd是基于Clang的Language Server&#xff0c;主要用于提供代码补全、跳转定义、错误提示等IDE功能。而Clang-Tidy则是静态代码分析工具&#xff0c;用于检查代码中的潜在问题&#xff0c;比如风格违规、潜在bug等。 clangd 核心工作原理 1. 基于编译器的精准解析 底层引擎…...

【Linux】冯诺依曼体系结构和操作系统的理解

目录 冯诺依曼体系结构一个例子来深入理解 初识操作系统操作系统的作用设计操作系统的目的操作系统之上和之下分别有啥 管理的精髓&#xff0c;先描述&#xff0c;再组织 冯诺依曼体系结构 我们知道&#xff0c;计算机这个东西发明出来就是帮助人们快速解决问题的。那如果我们想…...

Windows系统Jenkins企业级实战

目标 在Windows操作系统上使用Jenkins完成代码的自动拉取、编译、打包、发布工作。 实施 1.安装Java开发工具包&#xff08;JDK&#xff09; Jenkins是基于Java的应用程序&#xff0c;因此需要先安装JDK。可以从Oracle官网或OpenJDK下载适合的JDK版本。推荐java17版本&#x…...

服务预热原理

Java、Spring、Springboot工程启动后&#xff0c;第一次访问比较慢&#xff0c;而从第二次访问开始就快很多&#xff0c;这通常是由以下几个原因导致的&#xff1a; 类加载与初始化开销 类加载过程&#xff1a;Java程序在启动时需要加载大量的类文件到内存中&#xff0c;包括…...

Python核心编程深度解析:作用域、递归与匿名函数的工程实践

引言 Python作为现代编程语言的代表&#xff0c;其作用域管理、递归算法和匿名函数机制是构建高质量代码的核心要素。本文基于Python 3.11环境&#xff0c;结合工业级开发实践&#xff0c;深入探讨变量作用域的内在逻辑、递归算法的优化策略以及匿名函数的高效应用&#xff0c…...

python环境搭建和pycharm的安装配置以及使用face_recognition与cv2

一.python环境的搭建: 1.下载python&#xff08;这里以python3.11为例&#xff09; step 1&#xff1a;打开下载网址&#xff1a;https://www.python.org/downloads/windows/ step 2&#xff1a;我这里选着python3.11.9的版本 2. 安装我就不说了,网上很多 二.pycharm的安装…...

养生:为健康生活筑牢根基

养生并非遥不可及的目标&#xff0c;而是贯穿于日常生活的点滴之中。从饮食、运动到心态调节&#xff0c;每一个环节都对我们的健康有着重要意义。以下为你详细介绍养生的实用策略&#xff0c;助力你开启健康生活模式。 饮食养生&#xff1a;科学搭配&#xff0c;滋养生命 合…...

linux-----------Ext系列⽂件系统(上)

1.理解硬盘 1-1 磁盘、服务器、机柜、机房 机械磁盘是计算机中唯⼀的⼀个机械设备 磁盘--- 外设 慢 容量⼤&#xff0c;价格便宜 1-2 磁盘物理结构 1-3 磁盘的存储结构 扇区&#xff1a;是磁盘存储数据的基本单位&#xff0c;512字节&#xff0c;块设备 如何定位⼀个扇区呢…...

ts装饰器

TypeScript 装饰器是一种特殊类型的声明&#xff0c;能够被附加到类声明、方法、访问符、属性或参数上。它本质上是一个函数&#xff0c;会在运行时被调用&#xff0c;并且被装饰的声明信息会作为参数传递给装饰器函数。 装饰器的分类 类装饰器 类装饰器作用于类构造函数&…...

未来通信中的大型人工智能模型:基础、应用与挑战的全面综述

题目&#xff1a;A Comprehensive Survey of Large AI Models for Future Communications: Foundations, Applications and Challenges 作者&#xff1a;江沸菠&#xff0c;潘存华&#xff0c;董莉&#xff0c;王可之&#xff0c;Merouane Debbah&#xff0c;Dusit Niyato&…...

青藏高原七大河流源区径流深、蒸散发数据集(TPRED)

时间分辨率 月空间分辨率 1km - 10km共享方式 开放获取数据大小 83.27 MB数据时间范围 1998-07-01 — 2017-12-31元数据更新时间 2024-07-22 数据集摘要 通过构建耦合积雪、冻土、冰川等冰冻圈水文物理过程的WEB-DHM模型&#xff08;Water and Energy Budget-based Distribute…...

5.2 参数管理

目标 访问参数&#xff0c;用于调试、诊断和可视化&#xff1b;参数初始化&#xff1b;在不同模型组件间共享参数。 模型&#xff1a;单隐藏层的MLP import torch from torch import nnnet nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1)) X torch.rand(size…...

Best Video下载器——抖音视频去水印工具

在浏览抖音时&#xff0c;我们常常会遇到一些精彩的短视频&#xff0c;想要保存下来作为创作素材或与朋友分享。然而直接下载的视频往往带有平台水印&#xff0c;影响观看体验。今天就为大家介绍几种简单实用的去水印方法&#xff0c;让你轻松获取高清无水印视频。 目前市面上…...

C语言_程序的段

在 C 语言程序中,内存通常被分为多个逻辑段,每个段存储不同类型的数据。理解这些段的结构和功能,有助于你更高效地编写、调试和优化程序。以下是 C 语言程序中主要的内存段及其特点: 1. 代码段(Text Segment) 存储内容:编译后的机器指令(程序代码)。特性: 只读:防止…...

Google Earth Pro(谷歌地球)2025大陆版安装教程

软件介绍 【名称】&#xff1a;Google Earth Pro&#xff08;谷歌地球&#xff09;2025 【大小】&#xff1a;63.6M 【语言】&#xff1a;简体中文 【安装环境】&#xff1a;Win/Win8/Winxp/Win10/Win11 谷歌地球(Google Earth) 是由Google公司开发的地图软件。谷歌地球采用了…...

2025年数维杯赛题C题专家 组委会C题专家疑集锦

1、段前段后距&#xff0c;行间距有要求嘛 C题专家&#xff1a;一般是单倍行距 2、请问参考文献和附录上方也要有图示页眉吗?ai使用报告放在附录里还是附录之后? C题专家:附录 3、第三问的那个三天都在一个城市可以吗?这样我们列两份城市的清明自由行&#xff0c;还是说…...

C.循环函数基础

循环函数基础 1. 循环函数基础1.1 循环的定义与作用1.1.1 `for` 循环语法示例1.1.2 `while` 循环语法示例1.1.3 `do-while` 循环语法示例1.1.4 循环的比较1.1.5 循环的应用场景2.1 for 循环语法结构执行流程示例应用场景优点缺点2.2 while 循环语法结构执行流程示例应用场景优点…...

spark-Join Key 的基数/rand函数

在数据处理中&#xff0c;Join Key 的基数 是指 Join Key 的唯一值的数量&#xff08;也称为 Distinct Key Count&#xff09;。它表示某个字段&#xff08;即 Join Key&#xff09;在数据集中有多少个不同的值。 1. Join Key 基数的意义 高基数&#xff1a;Join Key 的唯一值…...

【Oracle认证】MySQL 8.0 OCP 认证考试英文版(MySQL30 周年版)

文章目录 1、MySQL OCP考试介绍2、考试注册流程3、考试复习题库 Oracle 为庆祝 MySQL 30 周年&#xff0c;截止到2025.07.31 之前。所有人均可以免费考取原价245美元 &#xff08;约1500&#xff09;的MySQL OCP 认证。 1、MySQL OCP考试介绍 OCP考试 OCP认证是Oracle公司推…...

不同环境下运行脚本如何解决pythonpath问题

目录 问题背景&#xff1a; 方法一&#xff1a;在 Dockerfile 中设置 PYTHONPATH&#xff1a; 方法二: 本地脚本内动态地设置 sys.path&#xff0c;以确保 Python 程序在运行时能够找到项目中的模块 注意&#xff1a; 问题背景&#xff1a; 脚本在windows环境定义 然后因为…...

照片to谷歌地球/奥维地图使用指南

软件介绍 照片to谷歌地球/奥维地图是一款由WTSolutions开发的跨平台图片处理工具&#xff0c;能够将带有GPS信息的照片导入Google Earth&#xff08;谷歌地球&#xff09;或奥维地图。该软件支持Windows、Mac、iOS、Linux和Android系统&#xff0c;无需下载安装&#xff0c;直…...

visual studio 2015 安装闪退问题

参考链接&#xff1a; VS2012安装时启动界面一闪而过问题解决办法 visual studio 2015 安装闪退问题...

Kubernetes 使用 containerd 实现 GPU 支持及 GPU Operator 部署指南

目录 Kubernetes 使用 containerd 实现 GPU 支持及 GPU Operator 部署指南 一、为什么 containerd 是趋势&#xff1f; 二、目标 三、前提条件 四、方式一&#xff1a;containerd nvidia-container-toolkit&#xff08;基础方式&#xff09; 1️⃣ 安装 NVIDIA Containe…...

【typenum】 1 说明文件(README.md)

Typenum Typenum 是一个用于在编译时计算类型级数字的 Rust 库。目前支持位、无符号整数和有符号整数。 Typenum 仅依赖 libcore&#xff0c;因此适用于任何平台&#xff01; 导入方式 虽然 typenum 分为多个模块&#xff0c;但它们都通过 crate 根目录重新导出&#xff0c…...

Axure疑难杂症:统计分析页面引入Echarts示例动态效果

亲爱的小伙伴,在您浏览之前,烦请关注一下,在此深表感谢! Axure产品经理精品视频课已登录CSDN可点击学习https://edu.csdn.net/course/detail/40420 课程主题:统计分析页面引入Echarts示例动态效果 主要内容:echart示例引入、大小调整、数据导入 应用场景:统计分析页面…...

PyQt5基本窗口控件(QWidget)

QWidget 基础窗口控件QWidget类是所有用户界面对象的基类&#xff0c;所有的窗口和控件都直 接或间接继承自QWidget类。 窗口控件&#xff08;Widget&#xff0c;简称“控件”&#xff09;是在PyQt中建立界面的主要元素。在PyQt 中把没有嵌入到其他控件中的控件称为窗口&…...

双目视觉系统中,极线校正(Epipolar Rectification)与单应性矩阵/多平面单应性模型

在双目视觉系统中&#xff0c;极线校正&#xff08;Epipolar Rectification&#xff09;的目标是使左右图像的对应点位于同一水平线上&#xff0c;从而简化立体匹配的搜索过程。标准的双目相机标定和校正流程&#xff0c;其核心原理与单应性矩阵的应用方式如下&#xff1a; 1. …...

【部署】win10的wsl环境下调试dify的api后端服务

回到目录 标题&#xff1a;win10的wsl环境下&#xff0c;远程调试dify的api后端服务 0. 上一篇讲解web前端服务的启动方法&#xff0c;本篇内容是vscode的调试模式启动api后端服务。文章4000字左右&#xff0c;阅读时间15-20分钟。 dify官方运行环境要求较低2U4G&#xff0c…...

学习黑客了解Python3的“HTTPServer“

5 分钟深入浅出理解Python3的"HTTPServer"模块 &#x1f310; 大家好&#xff01;今天我们将探索Python3中的HTTPServer模块——一个简单却强大的工具&#xff0c;它允许你快速创建web服务器。在网络安全学习、渗透测试和CTF挑战中&#xff0c;这个模块常被用来搭建…...

结合 ECharts / Ant Design Blazor 构建高性能实时仪表盘

&#x1f4ca; 结合 ECharts / Ant Design Blazor 构建高性能实时仪表盘 文章目录 &#x1f4ca; 结合 ECharts / Ant Design Blazor 构建高性能实时仪表盘一、前言 &#x1f50d;二、技术选型 &#x1f9f0;三、项目配置与架构 &#x1f3d7;️&#x1f310; 系统整体架构流程…...

刘强东杀入自动驾驶!京东注册“Joyrobotaxi”商标

又一个互联网大佬杀入汽车赛道&#xff01;这一次&#xff0c;是京东的刘强东。5月6日&#xff0c;京东集团旗下公司一口气申请注册了多个名为"Joyrobotaxi"的商标&#xff0c;国际分类涵盖运输工具、科学仪器等核心领域。这一动作被业界普遍解读为&#xff1a;京东要…...

JavaScript基础-switch分支流程控制

在JavaScript编程中&#xff0c;switch语句提供了一种清晰、简洁的方式来实现多路分支选择。相比于多个if...else if语句&#xff0c;switch语句可以使代码更加易读和易于维护&#xff0c;尤其是在需要根据单个变量或表达式的值进行不同路径选择时尤为有用。本文将详细介绍swit…...

MySQL:视图

目录 一、什么是视图 二、视图的创建和使用 三、修改数据 &#xff08;1&#xff09;修改真实表 &#xff08;2&#xff09;修改视图 四、删除视图 五、视图的优点 一、什么是视图 视图是一个虚拟的表&#xff0c;它是基于一个或多个基本表或其他视图的查询结果集。视…...

05 mysql之DDL

一、SQL的四个分类 我们通常可以将 SQL 分为四类&#xff0c;分别是&#xff1a; DDL&#xff08;数据定义语言&#xff09;、DML&#xff08;数据操作语言&#xff09;、 DCL&#xff08;数据控制语言&#xff09;和 TCL&#xff08;事务控制语言&#xff09;。 DDL 用于创建…...

各国GDP变化趋势网页特效(实用动态图表)完整实例

https://download.csdn.net/download/YUJIANYUE/90803109...

【部署】win10的wsl环境下启动dify的web前端服务

回到目录 标题&#xff1a;win10的wsl环境下启动dify的web前端服务 0. 官网安装指引 官网有详细的源代码部署说明&#xff0c;参考: https://docs.dify.ai/en/getting-started/install-self-hosted/local-source-code 1. 安装nodejs 1.1. 下载和解压文件 参考:https://no…...

Veins同时打开SUMO和OMNeT++的GUI界面

进入 Veins 工程目录&#xff08;即包含 sumo-launchd.py 的目录&#xff09;&#xff0c;打开终端设置 SUMO_HOME 环境变量&#xff08;指向你安装的 SUMO 路径&#xff09;&#xff1a; export SUMO\_HOME/home/veins/src/sumo-1.11.0编译 Veins 工程&#xff08;包含 OMNeT…...

模型 启动效应

系列文章分享模型&#xff0c;了解更多&#x1f449; 模型_思维模型目录。刺激先行激活&#xff0c;后续认知更顺畅。 1 启动效应的应用 1.1 求职面试中对面试官的影响 背景&#xff1a;一家知名公司在招聘过程中发现&#xff0c;面试官对候选人的评价往往受到多种因素的影响…...

Android 使用Paging3 实现列表分页加载、下拉刷新、错误重试、筛选功能

Android 使用Paging3 实现列表加载 Paging3是Android Jetpack组件库中的分页加载库&#xff0c;它可以帮助开发者轻松实现列表数据的分页加载功能。本文将逐步讲解如何使用Paging3库实现一个带有加载更多、下拉刷新、错误重试、筛选功能的列表页面。 最终效果如下 加载更多、…...

SpringBoot2集成xxl-job详解

官方教程 搭建调度中心 Github Gitee 注&#xff1a;版本3.x开始要求Jdk17&#xff1b;版本2.x及以下支持Jdk1.8。如对Jdk版本有诉求&#xff0c;可选择接入不同版本 clone源代码执行xxl-job\doc\db\tables_xxl_job.sql # # XXL-JOB v2.4.1 # Copyright (c) 2015-present, x…...

洛图报告中的 FSHD 是什么?—— 解密九天画芯推动的三色光源显示技术

目录 一、洛图报告新焦点&#xff1a;FSHD 为何成为显示产业重要突破方向&#xff1f; &#xff08;一&#xff09;洛图报告核心结论&#xff1a;从技术突围到产业重构 二、技术解析&#xff1a;FSHD 如何重构显示底层逻辑&#xff1f; &#xff08;一&#xff09;物理架构…...

关于数据库查询速度优化

本人接手了一个关于项目没有任何文档信息的代码&#xff0c;代码也没有相关文档说明信息&#xff01;所以在做数据库查询优化的时候不敢改动。 原因1&#xff1a; 老板需要我做一个首页的统计查询。明明才几十万条数据&#xff0c;而且我加了筛选条件为什么会这么慢&#xff…...

两数相加(2)

2. 两数相加 - 力扣&#xff08;LeetCode&#xff09; 解法&#xff1a; class Solution { public:ListNode* addTwoNumbers(ListNode* l1, ListNode* l2) {ListNode * dummy new ListNode(0);int carry 0;ListNode * head dummy;while (l1 ! nullptr || l2 ! nullptr ||…...

车载学习(6)——CAPL(1)一些基础知识

1.一些CAPL的知识 CAPL通讯访问编程语言&#xff08;Commmunication Access Programming language&#xff09; CAPL的用途 ECU的仿真实现&#xff08;报文的收发、数据的处理&#xff09;实现总线日志纪录的控制实现总线数据自动化分析实现ECU功能的自动化测试实现ECU报文发…...