3.2IF纯生信文章？肿瘤样本纯度评估ESTIMATE算法实战

ESTIMATE算法是一种用于评估样本肿瘤纯度的算法。是由美国著名的MD安德森癌症开发和维护。

image

通过输入一个简单的基因的表达矩阵，我们可以等到免疫细胞、基质细胞的含量水平分值，以及样本纯度的数值。

image

输入文件：

image

ESTIAMTE评估算法的代码也相当简短：

library(utils)#安装 rforge <- "http://r-forge.r-project.org" install.packages("estimate", repos=rforge, dependencies=TRUE) library(estimate)

读取数 file_dir='/Users/bloodborne/Desktop/用所选项目新建的文件夹/bioinfortest/bioinfo/tumor_immune/sample_input.txt' ##关键函数，生成GCT文件 filterCommonGenes(input.f = file_dir,output.f = "gene.gct",id="GeneSymbol") ###通过GCT文件评估肿瘤样本纯度 estimateScore("gene.gct","estimat_score.gct",platform = "affymetr") score_table=read.table("estimat_score.gct",skip = 2,header = 1) rownames(score_table)=score[,1] score=t(score_table) colnames(score)=score[1,] #score_matrix最终肿瘤纯度评分矩阵 score_matrix=score[-1,]

运行完课得到每个样本的肿瘤纯度等信息：

image

一般来说肿瘤的样本纯度越高，侵袭能力越强，因此可以结合其他表型数据做进一步分析。

下面我们来介绍一篇简单的ESTIMATE肿瘤免疫微环境评估算法的文章运用思，IF3.2，逐年下降中：

image

这是一篇3.5分纯生信文章，直接看method：

image

原始数据是俩张GEO芯片，生存分析和LASSO cox回归模型筛选出14个基因。

image

后面就是一个RISKscore模型的顽梗（其实就是系数*表达值加和），这。。。3年前的想法还能留到现在。。。后面是GO PPI等灌水组合拳。

image

最后才是我们的重点：

image

通过ESTIMATE计算出肿瘤纯度，作者研究RISK score和肿瘤纯度、基质细胞、免疫细胞评分的相关性，以及亚组之间三个评分的差异。最后就是一个肿瘤的CIBERSOFT免疫浸润的分析，这个我们可以用多种工具代替，后面会视频讲

image

作者整体的这个分析流程可以说是非常简单，没有实现难度。GOkegg和PPI这些我的TCGA视频都有讲，后面肿瘤免疫浸润也会讲解，唯一对大家的难点可能就是LASSO cox。