科研代码大全|基于单样本富集分析算法评估组织中的免疫细胞浸润水平

2022-05-31 10:49 作者:尔云间 0人读过 | 我要投稿

科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！

搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码

真香提示：文末可以知道如何获取代码~

免疫浸润是当下生信分析的一大热点，在肿瘤微环境中，除了肿瘤细胞外，还存在着各种各样的基质细胞，如成纤维细胞、免疫细胞等，他们共同构建了肿瘤微环境。其中免疫细胞在肿瘤微环境中发挥着重要的抗肿瘤和促肿瘤的双重作用，因而肿瘤微环境所呈现的免疫状态也为肿瘤的免疫治疗提供参考。那我们应该如何初步探索肿瘤中的免疫微环境呢？

小编通过阅读大量文献发现，目前研究免疫浸润的大概有以下几种算法：CIBERSORT、ssGSEA、Timer、xCell、MCP-counter等。因此小编对比了这几种算法，其中除了ssGSEA，其余算法都有自己的背景细胞，比如CIBERSORT里内置了22种免疫细胞，而Timer主要包含了6种细胞，这些算法不需要额外提供细胞标志物即可计算得到各个免疫细胞的浸润评分，但是这同样限制了我们的研究，当我们感兴趣的细胞没有出现在上述几种算法中时，这时候就可以采用单样本富集分析，也就是ssGSEA的算法进行了。

该算法要求用户提供两个输入文件，一个是基因表达矩阵，另外一个就是自己收集的各个细胞的marker基因列表，大家可以通过以往的研究文献去挖掘，也可以通过数据库去寻找细胞的标记物，最终还是要以自己感兴趣的细胞为主进行搜集整理。

整理好文件后，就可以利用该程序运行了。这里小编的背景细胞以及对应的标志物是从Charoentong的研究：Charoentong P, Finotello F, Angelova M, et al. Pan-cancer Immunogenomic Analyses Reveal Genotype-Immunophenotype Relationships and Predictors of Response to Checkpoint Blockade[J]. Cell Reports, 2017, 18(1): 248-262.中获得的，其储存了各种人类免疫细胞亚型，包括活化的CD8 T细胞、活化的树突状细胞、巨噬细胞、自然杀伤T细胞、调节性T细胞等，表达矩阵也是小编自己模拟出来的，大家运行的时候要根据自己的数据进行整理哈。

附件包括了：示例数据文件夹：里边是本次流程的输入文件

代码测试文件夹：里边是本次分析用到的代码

输出结果文件夹：里边是本次流程生成的示例图片

readme.txt文件：是对输入文件的说明

以下是该流程分析出来的图片：