肿瘤免疫浸润分析工具汇总-数据挖掘新高度

Posted 2021-04-27 小张聊科研

2018年肿瘤免都疫荣获诺奖，成为一大热点。咱有些小伙伴的数据库挖掘却一万年停留在那些被玩坏了的套路上，比如像这样做一个GEO的差异分析，就放上这两图。

还有就是那个通路分析，网络分析

然后你的文章就是因为这样lowbee的套路被拒的，

这样的科研真令人绝望。然鹅，有些小伙伴的数据挖掘可以是这样的：

基因表达与免疫浸润的关系，从转录组数据提取出免疫浸润数据。其实早已有大佬开发出相关软件，甚至网页工具，助力数据挖掘。计算免疫浸润的软件工具从算法层面主要分为三类，包括基于Marker gene的算法，基于partial deconvolution，以及complete deconvolution。从咱们无生物信息背景的科研凡人视角来看，咱就分为网页版工具

（方便好用上手快呀）

与需要命令行工作的软件包（主要是基于R平台的软件包）。以下附上相关软件工具的汇总：

白介素2同学特地标记出来两个网页版的工具，亲测有效，墙裂推荐试试TIMER，简直可以说肿瘤免疫浸润分析界的神器了，能做的分析包括以下几种： 

1. 基因表达与免疫浸润的相关性，

2. 免疫浸润或者基因表达的生存曲线

3. 免疫浸润与somatic CNA的关系

4. 甚至肿瘤与正常组织的差异表达情况

5. 基因表达之间的相关性

6. 最后是根据自己的数据计算免疫浸润分数

简单放几张结果图，展示下可能得到的结果：

随手看了下，基因表达与各种免疫细胞浸润的关系。

发现右侧还有，随手而动的Cox多因素分析，（代码都是自动的）计算好的HR。 

居然还有还有差异表达分析：

在乳腺癌中，PIK3CA突变组与非突变组的免疫浸润情况。

好了讲到这里，白介素2同学已经彻底沦陷，本来根本没有打算写这个工具这么多内容的，自己在测试的时候忍不住。这样纯点击，自动化的发表级图片，自然是喜欢得不得了。

不行振作起来，还有一个关键内容没写完嘞，按要求准备好表达数据，格式如下：

 

上传之后，等待处理，稍稍等几分分钟，就会得到计算完成的提示，下载结果，得到免疫浸润分数的结果，内容如下：

 

详细的操作步骤就不做过多讲解了，需要的小伙伴可自行去网站，稍微点击几下就会，像白介素同学也就看了几眼，网站炒鸡亲民，根本不需要教程的，如果实在需要教程，网站配套有录制好的视频（需要梯子奥）。 

——————————————————————————————

《致科研》

如果我爱你，绝不学那lowbee的套路，为pubmed重复单调的差异分析PPI。

如果我爱你，绝不放过那些无敌的神器，借肿瘤免疫的高枝炫耀自己。

也不止像qPCR

也不止像Western blot

甚至Microarray, 甚至 RNA-seq

不，这些都还不够，我必须是肿瘤免疫近旁的热点

作为数据挖掘的形象和你站在一起

数据在数据库里，分析在R和那些年我们讲过的神器里

每一次挖掘，我们都有新的方向。

……

改编自《致橡树》-舒婷

附上网址及相关参考资料：

https://cistrome.shinyapps.io/timer/

https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/29541787/

相关阅读：

• 
  

全国基金、课题设计、科研互助群

备注：入群学习

从以下20个热点入手，每天给大家分享干货：

1	miRNA非经典机制	11	肠道菌群
2	lncRNA的10种机制	12	细胞自噬
3	circRNA	13	细胞焦亡、铁死亡
4	单细胞测序	14	间充质干细胞
5	转录因子	15	肿瘤干细胞
6	可变剪接	16	外泌体
7	SNP	17	氧化应激
8	泛素化修饰	18	调节性T细胞
9	组蛋白修饰	19	RNA甲基化修饰
10	蛋白激酶和磷酸酶	20	肿瘤微环境

而这些研究方向参与疾病发生发展过程的分子机制，可以归纳总结为一下几类研究：

①分子（DNA、RNA、蛋白质、小分子）的表观遗传修饰；

②分子拷贝数的表达变化差异；

③RNA分子的剪接加工、出核、细胞组织水平的时空变化研究；

④特殊的一群细胞类型研究、细胞通讯微环境研究；

⑤具有临床应用潜力的新技术（CRIPSR）或者载体（膜结构、细胞等）；

⑥关注细胞生理学现象：自噬、凋亡、线粒体失功等；

长按二维码识别关注“小张聊科研”

关注后获取《科研修炼手册》1、2、3、4、5、6、7，8