爾云間? 一個專門做科研的團隊

原創(chuàng)? 生信果

歡迎點贊+收藏+關(guān)注

你知不知道有一個數(shù)據(jù)庫網(wǎng)站，在你想獲取腫瘤相關(guān)的數(shù)據(jù)集或者做腫瘤免疫分析時可以大大減少你的工作量？

今天小果就帶大家認(rèn)識一個專門用于腫瘤免疫分析的數(shù)據(jù)庫網(wǎng)站，大家一起來和小果看一下吧！

什么是TISIDB?

TISIDB是2019年香港大學(xué)開發(fā)的一個針對腫瘤免疫學(xué)分析的多類型數(shù)據(jù)資源科研網(wǎng)站。那么TISIDB主要的應(yīng)用有哪些方面呢？

1.手工整理近千個與抗腫瘤免疫相關(guān)的基因；

2.在線分析基因圖譜和高通量篩選數(shù)據(jù)來鑒定與腫瘤細(xì)胞對T細(xì)胞介導(dǎo)的殺傷和免疫治療的抗性基因；

3.針對30種癌癥類型預(yù)測免疫功能與基因之間的關(guān)聯(lián)。

研究分析方向

TISIDB網(wǎng)站主要有10個分析方向，那么具體有哪些呢？和小果一起來看一下吧！

1.功能；

2.文獻；

3.高通量篩選；

4.免疫療法；

5.腫瘤浸潤淋巴細(xì)胞；

6.免疫調(diào)節(jié)劑；

7.趨化因子；

8.亞型；

9.臨床；

10.藥物。

接下來，小果針對這10個分析方向中的其中四個來給大家做簡單的介紹，和小果一起來看一下吧！

功能

1.輸入網(wǎng)址：[TISIDB官網(wǎng)] ?http://cis.hku.hk/TISIDB/?

2. 輸入感興趣的基因類型并點擊submit：

3. 點擊左側(cè)進入返回的結(jié)果：

（1）基本信息：

（2）亞細(xì)胞定位信息：

（3）GO和途徑：

?

文獻

除了可以查閱感興趣目的基因的相關(guān)功能信息，我們同樣可以通過TISIDB查閱基因與腫瘤免疫之間關(guān)系的相關(guān)文獻哦。

1. 輸入感興趣的基因名稱搜索；

2. 選擇“l(fā)iterature”選項查看內(nèi)容；

?

高通量篩選

同樣地，我們還可以查看選擇的基因在各種高通量篩選數(shù)據(jù)集中是否對T細(xì)胞介導(dǎo)的殺傷產(chǎn)生抗藥性或增加敏感性。只要選擇“Screening”選項即可查看具體內(nèi)容哦！

?

免疫療法

那么我們?nèi)绾尾榭茨繕?biāo)基因在具有免疫療法的患者隊列中，怎樣對免疫療法進行預(yù)處理的腫瘤活檢的轉(zhuǎn)錄組學(xué)和基因組分析呢？只要選擇“Immunotherapy”即可查看哦！目前，該網(wǎng)站收集了5個轉(zhuǎn)錄組和6個基因組數(shù)據(jù)集，一起和小果來看一下吧！

?

怎么樣，TISIDB這個網(wǎng)站的基本功能你了解了嘛?

還有更多應(yīng)用等著我們一起探索，更多腫瘤免疫分析相關(guān)工具請大家移步小果的云生信平臺吧！

云生信平臺也有免疫專版的學(xué)習(xí)模塊哦，快來找到你想學(xué)習(xí)的專屬模塊吧！

小果雙手奉上鏈接：云生信 ?- 學(xué)生物信息學(xué)?http://www.biocloudservice.com/home.html

立刻擁有一個Rstudio賬號

開啟升級模式吧

（56線程，256G內(nèi)存，個人存儲1T）

往期代碼：

【1】lncRNA的拷貝數(shù)變異下游相關(guān)分析
【2】R可視化：ggstatsplot包—科研界的美圖秀秀
【3】隨機森林算法用于分類預(yù)測和篩選診斷標(biāo)志物
【4】基于本地Java版GSEA的輸出結(jié)果整合多個通路到一張圖
【5】基于嶺回歸模型和基因表達(dá)矩陣估算樣本對藥物反應(yīng)的敏感性
【6】基于R包NMF對樣本進行分型分析
【7】DALEX包用于探索、解釋和評估模型；分析不同特征變量對響應(yīng)變量的影響
【8】根據(jù)腫瘤突變負(fù)荷TMB進行KM生存分析尋找最佳的cutoff
【9】基于單樣本富集分析算法評估組織中的免疫細(xì)胞浸潤水平
【10】代碼分享│什么？你還在用散點圖來可視化數(shù)據(jù)之間的相關(guān)性
【11】代碼分享│診斷列線圖、校準(zhǔn)曲線、決策曲線和臨床影響曲線的構(gòu)建
【12】代碼分享│你了解基因的動態(tài)變化模式嗎
【13】代碼分享│生物信息分析之SCI熱門圖表-復(fù)雜熱圖
【14】代碼分享│生物信息分析之SCI熱門圖表-火山圖
【15】代碼分享│生物信息分析之SCI熱門圖表-箱型圖和小提琴圖
【16】代碼分享│深度學(xué)習(xí)-人工神經(jīng)網(wǎng)絡(luò)（ANN）的構(gòu)建
【17】代碼分享│R可視化：高分文章繪圖之基于RCircos包的多類型圈圖繪制
【18】代碼分享│R可視化：基因與功能之間的關(guān)系--GO功能富集網(wǎng)絡(luò)圖繪制
【19】代碼分享│生物信息分析之SCI熱門圖表—KM曲線和tROC曲線
【20】代碼分享│R可視化：腫瘤預(yù)后模型之Cox回歸分析后用R語言繪制森林圖
【21】代碼分享│生物信息分析之SCI熱門圖表—相關(guān)性熱圖和散點圖
【22】代碼分享│生信分析之R語言分析相關(guān)性及可視化的N種風(fēng)格
【23】代碼分享│TCGA數(shù)據(jù)獲取有困難，不會預(yù)處理，學(xué)習(xí)起來
【24】代碼分享│機器學(xué)習(xí)-支持向量機遞歸特征消除（SVM-RFE）的構(gòu)建
【25】代碼分享│R可視化：對兩個矩陣進行相關(guān)性可視化分析
【26】GEO數(shù)據(jù)庫多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結(jié)去除批次效應(yīng)
【27】你與生信大佬的距離，只差2分鐘搞定預(yù)后模型構(gòu)建和性能評估
【28】9+SCI純生信，模型構(gòu)建中的“流量明星”，你不得不知的LASSO
【29】手把手教你畫美觀大氣的lasso回歸模型圖，為你的SCI增磚添瓦
【30】R可視化：clusterProfiler包做組間比較GO富集圖
【31】代碼分享|R可視化：復(fù)雜熱圖繪制技巧之熱圖中添加柱狀圖
【32】代碼分享——基于基因突變信息分析腫瘤突變負(fù)荷
【33】代碼分享│富集不到想要的通路？別放棄呀，試試GSEA
【34】代碼分享│還在用PCA做降維聚類嗎？最強降維模型tSNE--你值得擁有
【35】代碼分享│GSVA：原來功能通路也能做差異分析！
【36】代碼分享│Slingshot：你不知道的單細(xì)胞擬時序分析還有它
【37】基于基因功能注釋信息挖掘關(guān)鍵作用基因
【38】基于癌癥分類預(yù)測的標(biāo)志物特征提取的SVM-RFE分析代碼
【39】依據(jù)表型數(shù)據(jù)基于無監(jiān)督聚類算法對研究群體進行分層聚類分析
【40】基于穩(wěn)健排序整合算法對多數(shù)據(jù)集進行整合及可視化
【41】基于基因表達(dá)譜估算樣本免疫基質(zhì)評分和腫瘤純度
【42】自動化繪制LASSO算法回歸模型圖
【43】用于臨床診斷和臨床決策影響的DCA分析
【44】基于樣本預(yù)后生存信息和臨床因素用于評價不同模型的一致性指數(shù)軟件
【45】用于探索、解釋和評估模型的DALEX殘差分析軟件
【46】基于細(xì)菌群落功能豐度結(jié)果進行差異功能分析及可視化
【47】基于基因差異分析結(jié)果繪制其在染色體上的分布
【48】利用逐步回歸法篩選特征基因構(gòu)建Cox風(fēng)險模型分析
【49】基于Immune Subtype Classifier進行腫瘤免疫亞型分類
【50】不同物種之間的同源基因名稱轉(zhuǎn)換分析
【51】基于逐步多因素cox回歸篩選預(yù)后標(biāo)記基因并構(gòu)建風(fēng)險評分模型
【52】基于表達(dá)信息挖掘與關(guān)注基因密切相關(guān)的基因
【53】基因組學(xué)基因名稱修正分析
【54】基于Spearman算法構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)
【55】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【56】基于lasso回歸模型方法篩選特征基因
【57】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【58】基于參數(shù)型經(jīng)驗貝葉斯算法和支持向量機（SVM）篩選疾病亞型特征基因
【59】基于LDA(線性判別分析)算法的微生物biomarker的篩選
【60】基于R包xCell計算64種免疫細(xì)胞相對含量及下游可視化
【61】基于甲基化數(shù)據(jù)評估腫瘤純度及下游可視化
【62】基于DiffCorr包識別不同表型下的差異共表達(dá)關(guān)系對
【63】基于逆累計分布函數(shù)識別顯著偏差通路
【64】基于差異基因?qū)ν返挠绊懲诰蜿P(guān)鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析

需要以上代碼私信小果哦

“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見證小白和大佬的成長。