使用immunarch包进行单细胞免疫组库数据分析（一）：包的简介与安装

简介：

immunarch包是一个主要面向于医学科学家和生物信息学家们设计的，专门针对 T 细胞受体 (TCR) 和 B 细胞受体 (BCR) 免疫组库数据进行分析的R包。使用immunarch包，使得免疫组库测序数据的分析变的尽可能轻松，并帮助您专注于研究而非编程。

为什么使用immunarch？

• 可以分析处理任何类型的免疫组库数据： single-cell、bulk、data tables、databases -- 随心所欲。
• 以社区为核心： 在全球近 30,000 名研究人员和医学科学家组成的社区中提出问题、分享知识并茁壮成长。辉瑞、诺华、再生元、斯坦福、加州大学旧金山分校和麻省理工学院都信任我们。
• 一行代码一张图： 用8 行代码写一篇完整的博士论文或用 5-10 行immunarch代码复制出几乎所有出版物中的图表。
• 站在科学的前沿： 我们会定期更新immunarch最新的方法。让我们知道你需要什么！
• 自动检测和解析 所有流行的免疫测序格式：从MiXCR和ImmunoSEQ到10XGenomics和ArcherDX。

特征：

1. 快速简便地操作免疫组库数据：

   • immuarch包会自动检测您的文件格式——无需再猜测该文件是什么格式，只需将它们传递给包即可；
   • 支持所有流行的 TCR 和 BCR 数据分析格式，包括单细胞数据：ImmunoSEQ、IMGT、MiTCR、MiXCR、MiGEC、MigMap、VDJtools、tcR、AIRR、10XGenomics、ArcherDX。未来还会有更多；
   • 适用于您所熟悉的任何数据源：R data frames, data tables from data.table, databases like MonetDB, Apache Spark data frames via sparklyr
   • 教程可在此处获得。

2. 使得免疫组库数据分析变得简单：

   • 大多数分析方法都包含在几个具有明确命名的主要函数中——不用再去记住数十个名称晦涩的函数。详情见链接；
   • 克隆库重叠分析（Repertoire overlap analysis ）（常用指标包括重叠系数、Jaccard 指数和 Morisita 重叠指数）。教程可在此处获得；
   • TCR/BCR基因使用估计（Gene usage estimation ）（相关性、Jensen-Shannon Divergence、聚类）。教程可以在这里找到；
   • 克隆多样性评价（Diversity evaluation）（生态多样性指数、基尼指数、逆辛普森指数、稀疏分析）。教程可以在这里找到；
   • 跨时间点克隆型追踪（Tracking of clonotypes across time points），广泛用于疫苗接种和癌症免疫学领域。教程可以在这里找到；
   • Kmer分布测量和统计（Kmer distribution measures and statistics）。教程可以在这里找到；
   • 即将发布的下一个版本：CDR3 氨基酸序列理化特性评估、突变网络。

3. 带有丰富的用于可视化操作的内置工具：

   • 丰富的ggplot2可视化程序；
   • 内置工具FixVis使您可以交互式操作可视化：使用清晰的 GUI 轻松更改字体大小、文本角度、标题、图例等；
   • 教程可在此处获得。

Immunarch包的安装

可以直接在CRAN上安装，或者通过GitHub安装最新或的开发版本。

Latest release on CRAN

install.packages("immunarch")

Latest release on GitHub

install.packages("devtools") # skip this if you already installed devtools
devtools::install_github("immunomind/immunarch")

Latest pre-release on GitHub

install.packages("devtools") # skip this if you already installed devtools
devtools::install_github("immunomind/immunarch", ref="dev")

快速开始

接下来，我们将使用immunarch包内置的测试数据集进行演示 TCR 或 BCR的数据分析工作流程。
1) 加载包和示例数据

# 加载所需的包和数据集
library(immunarch)  # Load the package into R
data(immdata)  # Load the test dataset

# 查看示例数据
names(immdata)
#[1] "data" "meta"

names(immdata$data)
# [1] "A2-i129" "A2-i131" "A2-i133" "A2-i132" "A4-i191" "A4-i192" "MS1"     "MS2"     "MS3"    
# [10] "MS4"     "MS5"     "MS6"  

head(immdata$data$`A2-i129`)
## A tibble: 6 x 15
#  Clones Proportion CDR3.nt CDR3.aa V.name D.name J.name V.end D.start D.end J.start VJ.ins
#                               
#1    173    0.0204  TGCGCC… CASSQE… TRBV4… TRBD1  TRBJ2…    16      18    26      31     -1
#2    163    0.0192  TGCGCC… CASSYR… TRBV4… TRBD1  TRBJ2…    11      13    18      22     -1
#3     66    0.00776 TGTGCC… CATSTN… TRBV15 TRBD1  TRBJ2…    11      16    22      34     -1
#4     54    0.00635 TGTGCC… CATSIG… TRBV15 TRBD2  TRBJ2…    11      19    25      26     -1
#5     48    0.00565 TGTGCC… CASSPW… TRBV27 TRBD1  TRBJ1…    11      16    23      31     -1
#6     48    0.00565 TGCGCC… CASQGD… TRBV4… TRBD1  TRBJ1…     8      13    19      23     -1
# … with 3 more variables: VD.ins , DJ.ins , Sequence 

names(immdata$data$`A2-i129`)
# [1] "Clones"     "Proportion" "CDR3.nt"    "CDR3.aa"    "V.name"     "D.name"     "J.name"    
# [8] "V.end"      "D.start"    "D.end"      "J.start"    "VJ.ins"     "VD.ins"     "DJ.ins"    
# [15] "Sequence"

head(immdata$meta)
## A tibble: 6 x 6
#  Sample  ID    Sex     Age Status Lane 
#          
#1 A2-i129 C1    M        11 C      A    
#2 A2-i131 C2    M         9 C      A    
#3 A2-i133 C4    M        16 C      A    
#4 A2-i132 C3    F         6 C      A    
#5 A4-i191 C8    F        22 C      B    
#6 A4-i192 C9    F        24 C      B   

该示例数据集主要由两部分组成，其中data部分存储了12个样本的TCR或BCR注释信息，meta部分存储了这12个样本的metadata注释信息。
其中，data部分存储的每个样本的TCR或BCR注释信息包括以下条目：

• “Clones”——条形码（events, UMIs）或reads的计数或数量；
• “Proportion”——条形码（events, UMIs）或reads的比例；
• “CDR3.nt”——CDR3核苷酸序列；
• “CDR3.aa”——CDR3氨基酸序列；
• “V.name”——对齐的Variable 基因片段的名称；
• “D.name”——对齐的Diversity 基因片段或 NA 的名称；
• “J.name”——对齐的Joining基因片段的名称；
• “V.end”——对齐的 V 基因片段的最后位置（基于 1）；
• “D.start”——对齐的 D 基因片段的 D'5 末端的位置（基于 1）；
• “D.end”——对齐的 D 基因片段的 D'3 末端的位置（基于 1）；
• “J.start”——对齐的 J 基因片段的第一个位置（基于 1）；
• “VJ.ins”——VJ 连接处插入核苷酸（N-核苷酸）的数量（-1 用于 VDJ 重组的受体）；
• “VD.ins”——VD 连接处插入核苷酸（N-核苷酸）的数量（-1 用于 VJ 重组的受体）；
• “DJ.ins”——DJ 连接处插入核苷酸（N-核苷酸）的数量（-1 用于 VJ 重组的受体）；
• “Sequence”——完整的核苷酸序列。

2) 计算和可视化基本统计数据

# 可视化CDR3区的序列长度分布
repExplore(immdata$data, "lens") %>% vis()  # Visualise the length distribution of CDR3

image.png

# 可视化克隆型的相对丰度
repClonality(immdata$data, "homeo") %>% vis()  # Visualise the relative abundance of clonotypes

image.png

3) 探索和比较 T 细胞和 B 细胞库

# 构建不同克隆型之间共享的重叠克隆型热图
repOverlap(immdata$data) %>% vis()  # Build the heatmap of public clonotypes shared between repertoires

image.png

# 可视化第一个克隆型的V基因分布图
geneUsage(immdata$data[[1]]) %>% vis()  # Visualise the V-gene distribution for the first repertoire

image.png

# 可视化克隆型的多样性
repDiversity(immdata$data) %>% vis(.by = "Status", .meta = immdata$meta)  # Visualise the Chao1 diversity of repertoires, grouped by the patient status

image.png

使用自己的数据

immunarch包可以使用repLoad函数加载读取自己的数据集进行后续的分析，使用repSave函数保存分析的结果，repLoad函数可以自动检测输入文件的格式，我们可以通过?repLoad查看更详细的数据导入信息。

目前，immunarch包可以支持以下免疫组库数据的格式：

• "immunarch" - 当前的软件工具，以防您忘记它:)
• "immunoseq"- http://www.adaptivebiotech.com/immunoseq
• "mitcr"- https://github.com/milaboratory/mitcr
• "mixcr"- https://github.com/milaboratory/mixcr
• "migec"- http://migec.readthedocs.io/en/latest/
• "migmap"- https://github.com/mikessh/migmap
• "tcr"- https://imminfo.github.io/tcr/
• "vdjtools"- https://vdjtools-doc.readthedocs.io/en/master/
• "imgt"- http://www.imgt.org/HighV-QUEST/
• "airr"- http://docs.airr-community.org/en/latest/datarep/overview.html
• "10x"- https://support.10xgenomics.com/single-cell-vdj/software/pipelines/latest/output/annotation
• "archer"- ArcherDX clonotype tables. https://archerdx.com/immunology/

library(immunarch)  # Load the package into R
immdata <- repLoad("path/to/your/data")  # Replace it with the path to your data. Immunarch automatically detects the file format.

---

参考来源：https://immunarch.com/index.html