介紹
惡性實(shí)體瘤組織不僅包括腫瘤細(xì)胞,，還包括與腫瘤相關(guān)的正常上皮和間質(zhì)細(xì)胞,、免疫細(xì)胞和血管細(xì)胞?；|(zhì)細(xì)胞被認(rèn)為在腫瘤生長(zhǎng),、疾病進(jìn)展和耐藥性中起重要作用; 浸潤(rùn)性免疫細(xì)胞的作用具有上下文依賴(lài)性。浸潤(rùn)的間質(zhì)細(xì)胞和免疫細(xì)胞構(gòu)成了腫瘤組織中正常細(xì)胞的主要組成部分,，不僅在分子研究中干擾了腫瘤信號(hào),在腫瘤生物學(xué)中也起著重要的作用,。
Estimate是一種使用基因表達(dá)特征來(lái)推斷腫瘤樣本中間質(zhì)和免疫細(xì)胞比例的方法，全稱(chēng)為Estimation of STromal and Immune cells in MAlignant Tumor tissues using Expression data(使用表達(dá)數(shù)據(jù)估計(jì)惡性腫瘤中的間質(zhì)和免疫細(xì)胞),，即可以通過(guò)ESTIMATE算法用表達(dá)數(shù)據(jù)來(lái)估計(jì)惡性腫瘤組織中的基質(zhì)細(xì)胞和免疫細(xì)胞的含量,，預(yù)測(cè)出免疫評(píng)分和基質(zhì)評(píng)分,，從而預(yù)測(cè)其含量，以及計(jì)算每個(gè)腫瘤樣本中的腫瘤純度,，如果基質(zhì)細(xì)胞和免疫細(xì)胞含量多了,，那么腫瘤純度就低，反之腫瘤純度就高了
參考文獻(xiàn)：《Inferring tumour purity and stromal and immune cell admixture from expression data》
關(guān)于輸出結(jié)果
| 結(jié)果 |
解釋 |
| stromal scor |
基質(zhì)細(xì)胞評(píng)分 |
| immune score |
免疫細(xì)胞評(píng)分 |
| estimate score |
綜合評(píng)分（基質(zhì)細(xì)胞打分和免疫細(xì)胞打分的加和） |
| TumorPurity |
腫瘤純度 |
關(guān)于代碼
一,、下載R包
library(utils)
rforge <- "http://r-forge."
install.packages("estimate", repos=rforge, dependencies=TRUE)
二,、加載數(shù)據(jù)
#打開(kāi)R包
library(estimate)
# 加載示例數(shù)據(jù)（即表達(dá)矩陣）
Expr <- system.file("extdata", "sample_input.txt", package="estimate")
read.table(Expr)[1:4,1:4] # 查看一下數(shù)據(jù)
## s516 s518 s519 s520
## C9orf152 4.881540 4.575656 3.739469 3.695996
## ELMO2 7.298054 7.555440 7.533202 7.382355
## CREB3L1 5.569164 5.700406 5.959730 5.770007
## RPS11 13.389937 13.848820 13.642862 13.654622
# 對(duì)于我們平時(shí)輸入的表達(dá)矩陣可以用這個(gè)標(biāo)準(zhǔn)化
Expr=log2(edgeR::cpm(Expr)+1) # 本次不運(yùn)，因?yàn)槭纠龜?shù)據(jù)在格式上需要轉(zhuǎn)化一下
可以通過(guò)示例數(shù)據(jù)看出,，我們需要的輸入數(shù)據(jù)是一個(gè)行名是基因名GeneSymbol （或 EntrezGeneID）,，列是樣本的表達(dá)矩陣
三、計(jì)算
ESTIMATE 綜合了多個(gè)平臺(tái),，計(jì)算得分之前必須將表達(dá)文件轉(zhuǎn)化成gct格式
#準(zhǔn)備 gct格式 的表達(dá)譜文件
filterCommonGenes(input.f=Expr, #剛剛準(zhǔn)備的表達(dá)矩陣的名字
output.f="Estimate_gene.gct", #輸出的gct格式文件名
id="GeneSymbol") #標(biāo)注好是GeneSymbol 還是EntrezGeneID
# 成功表達(dá)譜轉(zhuǎn)換為 gct 格式,，并且保存到Estimate_gene.gct文件中
# 計(jì)算得分
estimateScore(input.ds = "Estimate_gene.gct", # 剛剛轉(zhuǎn)化好的gct文件
output.ds="Estimate_score.gct", # 計(jì)算得分輸出的文件名
platform="affymetrix") # 數(shù)據(jù)來(lái)源的平臺(tái)
# 讀取并整理得分文件
scores=read.table("Estimate_score.gct",skip = 2,header = T) #讀取
rownames(scores)=scores[,1]
scores=t(scores[,3:ncol(scores)])
scores
#輸出文件
write.csv(scores,"scores.csv")
write.table(scores,"scores.txt",sep = "\t",row.names=T,col.names = T)
& 關(guān)于計(jì)算得分的平臺(tái)“platform”
| 數(shù)據(jù) |
設(shè)置 |
| 芯片數(shù)據(jù) |
plotform 的值設(shè)置為 affymetrix |
| 二代測(cè)序數(shù)據(jù) |
platform 的值設(shè)置為 illumina |
注意！由于R包的個(gè)性化設(shè)定,，當(dāng)平臺(tái)plotform="illumina" 時(shí),，輸出結(jié)果無(wú)腫瘤純度
四、畫(huà)圖
ESTIMATE 可以生成一個(gè) ESTIMATE評(píng)分 與 腫瘤純度 關(guān)系的一個(gè)圖：
plotPurity(
"Estimate_score.gct", #計(jì)算得分輸出的文件名
samples = "s520", # 樣本名
platform = "affymetrix", #平臺(tái)
output.dir = "figs" #圖片保存的地方
)
學(xué)習(xí)的教程：
生信技能樹(shù)的使用ESTIMATE計(jì)算腫瘤的免疫得分
obwteESTIMATE包計(jì)算腫瘤純度
感謝大佬們的無(wú)私分享
學(xué)習(xí)總結(jié)如果有不對(duì)的地方,，歡迎大家指正
|
