2.1 肺腺癌肿瘤微环境亚型分类的确认利用xCell对样本进行肿瘤微环境定量后，进行聚类，在TCGA和GEO均获得两个cluster（A）；对样本的TME 细胞浸润情况进行热图绘制（B）；箱线图展示在两个cluster中TME 细胞是否有差异（C）；对分得的两个cluster进行生存曲线的绘制，结果表明对生存有影响（D）；2.2 不同亚型中免疫和代谢相关基因状态的探索对上面获得的两个cluster进行差异分析，并对免疫相关基因和趋化因子在两个cluster中的表达情况进行探索（这里用热图、箱线图进行展示）
可参考：手把手教你绘制进阶版热图
这里主要是对代谢相关基因在不同亚型表达情况的探索（A，这里是用火山图进行这样的展示），并对亚型A中高表达的代谢相关基因进行功能富集分析（B、C），对增殖相关marker的表达情况进行箱线图的展示（D）；2.3 肺腺癌的表型signature基于差异基因、随机森林和PCA获得193个signature基因，并对TME cluster和Gene Cluster对样本的分类进行热图的展示（B）；对2个Gene cluster的免疫和基质细胞浸润情况进行箱线图的展示（C）和生存曲线的绘制（D）；
可参考：在科研世界曲线求生存，你得先会画“生存曲线”
2.4 TMEscore对肺腺癌的TME表型进行预测在TCGA-LUAD、GSE31210和GSE68465中对不同TMEcluster的TMEscore进行箱线图展示，均为在ClusterA的TMEscore高于ClusterB，且具有统计学意义（A）；并用pROC包对3个数据集进行AUC曲线的绘制，认为TMEscore具有诊断意义，能够很好地对TME表型进行区分（B、C、D）；文章从免疫微环境出发，将样本分为两组，进行差异分析、功能富集分析后获得基因Signature，并基于此进行生存分析和pROC对获得的Signature基因进行诊断意义的确定；有这方面背景知识的同学可以借鉴这个思路，应该还是好复现的。
|
