cibersortx怎么用_【搬砖】免疫浸润 实践
牛转乾坤！新年快乐，小白来啃生信发paper~
上传文件要求
ok，来整理我的mixture。
准备好了~22880genes*10samples
cibersortx计算细胞组分
我的数据是microarray，所以最后那个箭头不勾选。
结果
数据可下载txt/csv/..，图片是截图的。。没找到下载的地方。
————————————————————————————————————
可见网页上的输出比较局限，没有好看的图，分组数据比较等功能也没有，所以接下来用R来实现cibersortx。
参考2：https://cloud.tencent.com/developer/article/1622907
从官网下载2个文件
(1)LM22.txt(22种免疫细胞的参考marker基因表达)
(2)CIBERSORT.R(CIBERSORT源代码，从官网下载)
https://cibersort.stanford.edu/download.php
(ps官网下CIBERSORT.R需要先request permission……我从下面这个网站拿到了✅
https://rdrr.io/github/singha53/amritr/src/R/supportFunc_cibersort.R
参考3：https://www.jianshu.com/p/0baac4c52ac8)
source("CIBERSORT.R")
# Define LM22 file
LM22.file
exp.file
TME.results = CIBERSORT(LM22.file, exp.file, perm = 1000, QN = TRUE)
# output CIBERSORT results
write.table(TME.results, "TME.results.output.txt",
sep = "\t", row.names = T, col.names = T, quote = F)
有报错
报错：行名不能重复
解决：debug发现rownames里有4个不是unique。。。but我的matrix是用R生成的，所以rownames确实是不重复的。。我把角标“Gene”删掉之后这一步就没有报错了。
有报错X2
报错：缺一个包
解决：BiocManager::install("preprocessCore")
结果
R运行结果与网页输出结果有一丢丢不同。可能原因是网页的置换次数perm我没有设置(为0)，而代码perm=1000。
下面出图
# boxplot
library(ggpubr)
library(ggthemes)
x=TME.results[,1:22] #22 cell types
.
.
plot.info=data.frame(Celltype,Composition)
colnames(plot.info)=col
ggboxplot(
plot.info,
x = "CellType",
y = "Composition",
color = "black",
fill = "CellType",
xlab = "",
ylab = "Cell composition",
main = "TME Cell composition"
) +
theme_base() +
theme(axis.text.x = element_text(
angle = 90,
hjust = 1,
vjust = 1
))
箱线图
# boxplot by different samples(bone/brain/lung)
ggboxplot(
plot.info,
x = "CellType",
y = "Composition",
color = "black",
fill = "SampleType",
xlab = "",
ylab = "Cell composition",
main = "TME Cell composition group by Sampletype"
) +
stat_compare_means(
label = "p.signif",
method = "t.test",
ref.group = ".all.",
hide.ns = T
) +
theme_base() +
theme(axis.text.x = element_text(
angle = 90,
hjust = 1,
vjust = 1
))
箱线图2
## 修改
ggboxplot(
plot.info2,
x = "ShortST",
y = "Composition",
color = "black",
fill = "SampleType",
xlab = "",
ylab = "Cell composition",
main = "TME Cell composition group by Sampletype",
facet.by = "CellType",
) +
stat_compare_means(
label = "p.signif",#显著性水平，即用不同数量的 * 表示显著性水平
label.y=0.25,
method = "t.test",
ref.group = ".all.",
hide.ns = T
) +
theme_base() +
theme(axis.text.x = element_text(
angle = 90,
hjust = 1,
vjust = 1
))
箱线图2 修改(注意这里的统计是对的)
在箱线图2中，所谓的p-value(用*表示显著性水平)是每一个CellType与所有组别的均值 的t-test，比如B cells memory组有“****”，指的是B cells memory组与全部数据的均值 之间存在****的显著，而不是B cells memory组内部bone/brain/lung之间的统计学差异。
而有分析意义的是每一个Cell Type中，bone/brain/lung之间的统计学差异。因此需要做修改。
(最后这个图还是不够美观啊(sigh