ssGSEA分析

ssGSEA即单样本GSEA分析，主要可以用来量化免疫浸润。

免疫浸润是什么？
要是直白的解释就是免疫细胞渗透到肿瘤组织的程度。
一般我们说肿瘤组织当中的成分，首先想到的是肿瘤细胞。
但是，肿瘤组织里面还包含有很多免疫细胞，B细胞、T细胞、单核巨噬细胞等等。
那么，那么ssGSEA其实就是计算这些免疫细胞在肿瘤组织当中的比例。

Cellular Constituents of Immune Escape within the Tumor Microenvironment

在定量免疫浸润之前，需要先在TISIDB下载免疫细胞的数据集。
下载地址：(http://cis.hku.hk/TISIDB/download.php)
对下载得到的数据进行处理。

library(tidyverse)
options(stringsAsFactors = F)
setwd("E:/8资料/2.干细胞/4.ssGSEA")

geneSet <- read.csv("CellMarker.CSV",header = F)
class(geneSet)
geneSet <- geneSet %>% column_to_rownames("V1")%>%t()
View(geneSet)
a <- geneSet
a <- a[1:nrow(a),]
View(a)
set <- colnames(a)
l <- list()
View(set)
for (i in set) {
+   x <-  as.character(a[,i])
+   x <- x[nchar(x)!=0]
+   x <-  as.character(x)
+   l[[i]] <-x
+ }
View(l)
class(l)
save(l,file = "./gene_set.Rdata")

然后，ssGSEA可以用R 当中的GSVA包来计算。

#计算GSVA
#安装GSVA
#if (!requireNamespace("BiocManager", quietly = TRUE))
#    install.packages("BiocManager")

#BiocManager::install("GSVA")
#网络不好的时候会报错，检查一下网线重新安装就好了。
library(GSVA)
library(limma)
load(file = "./gene_set.Rdata")

#导入FPKM数据。而且必须是symble的。因为免疫基因的数据是symble。
fpkm <- read.table("RNAmatrix_symble.txt", header=T)
rownames(fpkm) <- fpkm[,1]
rows <- rownames(unique(fpkm['id']))
fpkm <- fpkm[rows,]
rownames(fpkm) <- fpkm[,1]
fpkm <- fpkm[,-1]
fpkm[1:3,1:3]
dat <- as.matrix(fpkm)

ssgsea<- gsva(dat,l, method='ssgsea', kcdf='Gaussian',abs.ranking=TRUE)
#基因集需要是list为对象。
#默认情况下，kcdf="Gaussian"，适用于输入表达式值连续的情况，如对数尺度的微阵列荧光单元、RNA-seq log-CPMs、log-RPKMs或log-TPMs。
#当输入表达式值是整数计数时，比如那些从RNA-seq实验中得到的值，那么这个参数应该设置为kcdf="Poisson"

#Min-Max标准化是指对原始数据进行线性变换，将值映射到[0，1]之间
#这里是将每个样本中不同的免疫细胞比例标准化到0-1之间
ssgsea.1 <- ssgsea
for (i in colnames(ssgsea)) {
  #i <- colnames(ssgsea)[1]
  ssgsea.1[,i] <- (ssgsea[,i] -min(ssgsea[,i]))/(max(ssgsea[,i] )-min(ssgsea[,i] ))

}
apply(ssgsea.1[,1:6], 2, range)


#画热图
library(pheatmap)
#因为需要显示癌症组和癌旁组，所以需要导入表达谱的表型数据
colData <-read.csv("RNAmatrix_condition.csv", header=TRUE)
group <- data.frame(colData$condition)
rownames(group)=colnames(dat)
#画图
pheatmap(ssgsea.1,
         show_colnames = F,
         cluster_rows = T,
         cluster_cols = F,
         annotation_col=group,
         fontsize=5)
#输出热图
library(export)
graph2ppt(file="pheatmap.ppt", width=10, aspectr=2)

量化免疫浸润，还有一种方法是CIBERSORT，他的结果是各个免疫细胞在一个样本中的占有率。之后有空再讲吧。