首頁(yè) > 化工知識(shí) > TCGA數(shù)據(jù)分析實(shí)戰(zhàn)：免疫細(xì)胞浸潤(rùn)分析

TCGA數(shù)據(jù)分析實(shí)戰(zhàn)：免疫細(xì)胞浸潤(rùn)分析

時(shí)間：2021-10-18 來(lái)源：瀏覽：

TCGA數(shù)據(jù)分析實(shí)戰(zhàn)：免疫細(xì)胞浸潤(rùn)分析

原創(chuàng) 科研小Z 科研Z庫(kù)

科研Z庫(kù)

微信號(hào) KY-ZCOOL

功能介紹最前沿的科研資訊，最有料的科研資源，科研Z庫(kù)幫你打通科研路上的第一步！

收錄于話題

腫瘤具有很強(qiáng)的異質(zhì)性，同一腫瘤在不同個(gè)體之間具有不同的免疫活性，而具有相似免疫活性狀況的樣本則可能處于相同的免疫微環(huán)境。腫瘤樣本的轉(zhuǎn)錄組表達(dá)水平在一定程度反映了樣本的免疫活性狀況。 本次讓你4步了解TCGA免疫細(xì)胞浸潤(rùn)分析

01、數(shù)據(jù)準(zhǔn)備

因?yàn)槭峭ㄟ^(guò)mRNA表達(dá)數(shù)據(jù)，進(jìn)而推算每個(gè)樣本中免疫細(xì)胞的組成比例，因此，我們需要通過(guò)TCGA數(shù)據(jù)庫(kù)下載mRNA表達(dá)數(shù)據(jù)，并且對(duì)數(shù)據(jù)進(jìn)行整理及提取。首先下載獲得基因表達(dá)數(shù)據(jù)，將表達(dá)數(shù)據(jù)解壓后，采用perl將所有解壓出的文件放到同一文件夾內(nèi)。

將解壓后的文件夾中的所有壓縮包解壓，然后用mRNA_merge腳本，將解壓出的文件進(jìn)行合并，獲得mRNA矩陣，同時(shí)，獲得正常樣本和腫瘤樣本的數(shù)目信息。這一步需要用下數(shù)據(jù)下載中下載的metadata文件

運(yùn)行結(jié)束后，就可以獲得整理好的表達(dá)矩陣文件，并且獲得正常樣本和腫瘤樣本的數(shù)目信息。

隨后，對(duì)表達(dá)矩陣中的ID進(jìn)行轉(zhuǎn)換，并提取mRNA的表達(dá)信息。

因?yàn)橄螺d的原始數(shù)據(jù)沒(méi)有經(jīng)過(guò)標(biāo)準(zhǔn)化，不符合CIBERSORT算法的需求，因此需要對(duì)下載的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化處理用的是limma包。

轉(zhuǎn)換前后的表達(dá)值

02、 CIBERSORT

對(duì)數(shù)據(jù)整理完成后，就可以采用CIBERSORT法計(jì)算每個(gè)樣本中的免疫細(xì)胞組成信息了。實(shí)際上，CIBERSORT官網(wǎng)提供了一個(gè)在線分析的網(wǎng)頁(yè)，在這里，我們把這個(gè)工具源代碼集成到了R中。在分析中，我們需要一個(gè)參考文件——ref，以及集成好的CIBERSORT源代碼。

接下來(lái)，我們只要直接運(yùn)行run.R中即可。安裝好所需的包，隨后修改運(yùn)行路徑就可以了。運(yùn)行結(jié)束后，就可以獲得一個(gè)CIBERSORT-Results文件。

隨后，我們需要對(duì)這個(gè)結(jié)果進(jìn)行一個(gè)過(guò)濾，去掉p值小于0.05，或者說(shuō)是沒(méi)有意義的樣本結(jié)果。直接調(diào)用perl，然后運(yùn)行filter即可進(jìn)行過(guò)濾。在filter.pl的腳本中，可以修改過(guò)濾的閾值。在腳本運(yùn)行完后，會(huì)給出過(guò)濾完后剩下的各類(lèi)型的樣本數(shù)目。過(guò)濾完后的文件中，就只保留了樣本信息和免疫細(xì)胞信息。