 肿瘤免疫微环境主要由肿瘤细胞、成纤维细胞、免疫细胞、各种信号分子和细胞外基质及特殊的理化特征等共同组成，肿瘤微环境显著影响着肿瘤的诊断、生存结局和临床治疗敏感性。其中免疫浸润也是近几年肿瘤研究的一个重要方向。所以我们要清楚一个概念那就是肿瘤组织中并不是100%的细胞是都是肿瘤细胞，不同肿瘤组织的微环境都有着各自的特点。 前面小编给大家分享过 ☞ 肿瘤免疫浸润分析工具汇总  今天我们着重来介绍下其中一款作为优秀的免疫浸润分析工具CIBERSORT。 一、 CIBERSORT软件介绍 目前市面上做免疫浸润分析的工具有很多。CIBERSORT是由斯坦福大学开发的一款免疫浸润分析工具，2015年就发表了在了Nature Methods上，目前引用次数接近6000次。  CIBERSORT这个工具既有网页版本也有本地版本。CIBERSORT之所以优秀是因为在诸多免疫浸润数据库中，它基于线性支持向量回归（linear support vector regression）的原理进行反卷积分析，所提供的免疫细胞类别较为全面，有将近22种不同的免疫细胞，而且操作及其简单粗暴。当然这边CIBERSORT的作者又在2019年，根据前面的CIBERSORT基础上开发了CIBERSORTx，功能更为强大。 二、分析方法 CIBERSORT支持网页版和本地两种方法。CIBERSORT网页版链接为https://cibersortx./。需要说明的是，使用网页版需要先进行账号注册。CIBERSORT需要两个准备文件，芯片或者测序表达矩阵以及参考数据集。表达矩阵格式如下图所示，参考数据集可以使用CIBERSORT 官方的LM22，也可以使用其他已知数据集或者自定义数据集。参考数据集格式见链接https://cibersortx./inc/inc.download.page.handler.php?file=LM22.txt。网页版提供参考数据集的选项，所以只需要提供表达矩阵即可。  表达矩阵文件 具体操作如下图：  点击运行，等待结果即可。 本地版的CIBERSORT可以通过如下代码进行安装 library('devtools')devtools::install_github("Moonerss/CIBERSORT")library('CIBERSORT') 三、结果展示 CIBERSORT输出基于参考数据集的免疫细胞浸润比例，所有细胞类型的比例之和为1。结果表格如下图所示  CIBERSORT结果文件这张表的表头的含义 Sample：样本B Cell naive：细胞浸润比例P-value : 置换检验（蒙特卡罗方法），越小越可信Correlation ：原表达矩阵乘以细胞占比后的数据矩阵与原表达矩阵的相关性RMSE：均方根误差(Root Mean Squared Error)，越小效果越好 基于结果表格，可以进行多种可视化展示，比如箱线图、柱状图和热图等。 每个样本中，22种免疫细胞的占比堆积柱形图  22种免疫细胞热图☞ 【实战】29种免疫细胞基因集GSVA分析☞ 【实战】29种免疫细胞GSVA分析结果热图+箱型图绘制  22种免疫细胞的丰度  不同组之间22种免疫细胞占比差异☞ 【实战】29种免疫细胞基因集GSVA分析☞ 【实战】29种免疫细胞GSVA分析结果热图+箱型图绘制  为了方便大家交流学习，共同进步，我特地创建了微信交流群 |
|
|
