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 |
|