免疫浸润分析简单介绍

免疫浸润分析

    近期免疫浸润相关的信息，想必老师看到的很多。有位客户，也想将自己的数据跟免疫浸润关联一下。他关注lncRNA CYTOR（示例）在胃癌中是否有重要功能，做实验之前可以做一波分析，确认该lnc是否与胃癌密切相关，同时老师又想看看是否与免疫浸润相关，于是我们做了以下分析：

    免疫浸润研究是肿瘤研究中热门的研究方向，不同免疫细胞的浸润程度差异与肿瘤的进展和预后都有很高的相关性。通过基因表达量矩阵，可以预测混合组织中的免疫细胞种类和含量，常见的方法包括Estimate和Cibersort。

数据准备

我们首先发现lncRNA CYTOR的表达在肿瘤癌与癌旁样品中显著差异表达。

并且生存曲线分析显示其高表达与较差的预后显著相关。

   为了进一步验证免疫浸润与CYTOR表达量相关，我们从TCGA数据库中选取了相关肿瘤样品，并按照CYTOR的表达量高低分成了2组。

Estimate

Estimate算法是研究免疫浸润的常用算法，可以通过RNA-seq或者基因芯片得到的基因表达量结果为肿瘤基质细胞和免疫细胞浸润结果评分，可以用于研究不同样品间免疫浸润的情况。

结果文件estimate_score.txt中包含了以下内容：

（1）StromalScore：基质细胞的评分；

（2）ImmuneScore：免疫浸润的评分；

（3）ESTIMATScore：免疫和基质综合评分；

（4）TumorPurity：肿瘤样品的纯度。

将StromalScore和ImmuneScore数据绘制箱线图，并计算p值，发现CYTOR表达量与免疫浸润评分显著相关。

Cibersort

Cibersort是另一种常用的免疫浸润分析软件，其通过不同免疫细胞中标志基因的差异表达分析出样品中各种免疫细胞的种类和分布，可以用于研究不同样品的免疫细胞种类的差异情况。

结果文件CIBERSORT-Result.txt中包括了以下内容：

（1）Mixture：样品名称；

（2）Immune cells：22种免疫细胞的相对丰度；

（3）P-value：分析的p值；

（4）Correlation：相关性；

（5）RMSE：均方根误差。

根据p值筛选出合适的结果，并绘制免疫浸润丰度图、热图、相关性图和小提琴图。结果可以看出辅助型T细胞、T细胞γδ、激活型肥大细胞与CYTOR的表达量显著相关。