TIMER ---0编程做免疫细胞浸润分析

现在肿瘤的免疫治疗是一个大热的研究方向，很多文章加入了免疫浸润分析部分都可以提高一个档次，下面我们就介绍一个做肿瘤免疫浸润分析的网站。

网址如下：

https://cistrome./timer/

这个网站是做什么的？

简单的来说它还是基于TCGA的数据库，利用统计学的方法，来预测肿瘤的免疫细胞浸润情况。一块从病人身上切下来的肿瘤组织里，并非是纯的肿瘤细胞，组织里还包括了各种免疫细胞和基质细胞，这就是我们常说的肿瘤微环境，这些细胞的含量也和临床的各种结局有着密切的关系。理论上我们要想知道这些细胞的含量占多少比例是需要进行流式细胞分选或者免疫组化染色的，但是现在可以通过算法来估算组织中的免疫细胞浸润情况啦，这就是这个网站所做的事情，数据来源依旧是TCGA数据库。

下面我们就看看它能做什么吧！它共分为7大模块：

（1）Gene模块--探究基因表达和免疫浸润丰度的关系

（2）Survival模块--探究基因表达或者免疫细胞浸润与预后的关系

（3）Mutation模块—探究基因突变与免疫浸润丰度的关系

（4）SCNA模块—探究基因拷贝数变异与免疫浸润丰度的关系

（5）Diff Exp模块—探究肿瘤和正常组织的差异基因表达

（6）Correlation模块—探究两个基因的相关性

（7）Estimation模块—可以上传自己的样本表达谱文件，它来计算免疫细胞浸润比例

下面我们来具体介绍一下这个网站的特色。

1、 Gene模块

探究基因表达和免疫浸润丰度的关系

输入一个感兴趣的基因，选择癌种（可多选），就可以输出这个基因表达水平和6种免疫细胞浸润水平和肿瘤的纯度的关系图，是不是很酷！这里我选择PDCD1在肺腺癌中的结果做演示，如图1所示。

图1

2、Survival模块

探究基因表达或者免疫细胞浸润与预后的关系

预后分析模块可以说这个数据库最精彩的部分了，除了可以绘制基因在特定肿瘤的KM曲线，还可以绘制6种免疫细胞浸润水平在特定肿瘤的KM曲线，绘制KM曲线分组的临界值及预后分析纳入的时间可以由使用者自行选择。另外，数据库还会自动计算多因素COX回归模型给你看，大喊一声，酷毙了！我们这里把网站能纳入的风险因素都纳入进来，之后基因还是选择PDCD1和肺腺癌做演示。

图2

由上图分析可以看出B细胞和树突细胞的浸润程度是显著影响预后的，值得进一步研究和探索。

3、 Mutation模块

探究基因突变与免疫浸润丰度的关系

这个模块是探究某一肿瘤类型中有无某一特定基因突变的两个亚组中免疫细胞浸润水平有无差别。如图3中所示，但是值得注意的是这里的基因不在可以自由输入，而是由系统选择了每一类肿瘤中非同意突变率最高的前50个基因进行分析，也就是说使用者只可以从这个范围里选择你感兴趣的基因了，稍稍有一点遗憾，不过图片还是很漂亮的。

图3

4、 SCNA模块

探究基因拷贝数变异与免疫浸润丰度的关系

与mutation模块类似，SCNA模块是按照某一基因的CNA不同情况分组，探究组间的6种免疫细胞浸润水平的不同，CNA的分组本数据库参考GISTIC 2.0分为deep deletion (-2), arm-level deletion (-1), diploid/normal (0), arm-level gain (1),  high amplification (2)五种情况。我们这里选择肺腺癌，基因选择PDCD1进行演示，如下所示：

图4

5、Diff Exp模块

探究肿瘤和正常组织的差异基因表达

这个模块很简单，就是我们经常看到的差异基因分析，就是输入一个你感兴趣的基因，它会把他在所有肿瘤中的表达情况绘制出来，并显示P值，图还是很漂亮的。

图5

6、Correlation模块

探究两个基因的相关性

这个模块主要用来进行基因与基因间表达水平相关性的分析，分别在X轴，Y轴输入你感兴趣的基因，一个值得注意的地方时它允许我们输入多个基因，批量化分析，输入的基因注意用逗号或者空格隔开即可，输入与输出结果见下图。

图6

7、 Estimation模块

自己的数据上传

除了使用TCGA的数据库进行分析之外，我们也可以上传的自己的基因表达数据，上传后让数据库来帮我们计算自己样本内各种免疫细胞的浸润水平，如果你的这些样本还有生存信息的话，就可以用计算好的免疫细胞浸润水平进行生存分析啦！上传数据的格式如下图所示，excel文件内每一横行代表一个基因，每一列代表一个样本。还有一点需要注意哦，自己上传的数据目前网站也只支持TCGA里有的肿瘤类型，如果是非TCGA的肿瘤，那就没法分析了。

图7

以上就是今天的全部内容了！以后做免疫浸润分析也有鼠标一点就能完成的工具了！

END