科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計50+持續(xù)新增中），也可以點擊右側(cè)【目錄】，可以看到更多有趣的代碼

真香提示：文末可以知道如何獲取代碼~? ?

免疫浸潤是當下生信分析的一大熱點，在腫瘤微環(huán)境中，除了腫瘤細胞外，還存在著各種各樣的基質(zhì)細胞，如成纖維細胞、免疫細胞等，他們共同構(gòu)建了腫瘤微環(huán)境。其中免疫細胞在腫瘤微環(huán)境中發(fā)揮著重要的抗腫瘤和促腫瘤的雙重作用，因而腫瘤微環(huán)境所呈現(xiàn)的免疫狀態(tài)也為腫瘤的免疫治療提供參考。那我們應(yīng)該如何初步探索腫瘤中的免疫微環(huán)境呢？

小編通過閱讀大量文獻發(fā)現(xiàn)，目前研究免疫浸潤的大概有以下幾種算法：CIBERSORT、ssGSEA、Timer、xCell、MCP-counter等。因此小編對比了這幾種算法，其中除了ssGSEA，其余算法都有自己的背景細胞，比如CIBERSORT里內(nèi)置了22種免疫細胞，而Timer主要包含了6種細胞，這些算法不需要額外提供細胞標志物即可計算得到各個免疫細胞的浸潤評分，但是這同樣限制了我們的研究，當我們感興趣的細胞沒有出現(xiàn)在上述幾種算法中時，這時候就可以采用單樣本富集分析，也就是ssGSEA的算法進行了。

該算法要求用戶提供兩個輸入文件，一個是基因表達矩陣，另外一個就是自己收集的各個細胞的marker基因列表，大家可以通過以往的研究文獻去挖掘，也可以通過數(shù)據(jù)庫去尋找細胞的標記物，最終還是要以自己感興趣的細胞為主進行搜集整理。

整理好文件后，就可以利用該程序運行了。這里小編的背景細胞以及對應(yīng)的標志物是從Charoentong的研究：Charoentong P, Finotello F, Angelova M, et al. Pan-cancer Immunogenomic Analyses Reveal Genotype-Immunophenotype Relationships and Predictors of Response to Checkpoint Blockade[J]. Cell Reports, 2017, 18(1): 248-262.中獲得的，其儲存了各種人類免疫細胞亞型，包括活化的CD8 T細胞、活化的樹突狀細胞、巨噬細胞、自然殺傷T細胞、調(diào)節(jié)性T細胞等，表達矩陣也是小編自己模擬出來的，大家運行的時候要根據(jù)自己的數(shù)據(jù)進行整理哈。

附件包括了：示例數(shù)據(jù)文件夾：里邊是本次流程的輸入文件

代碼測試文件夾：里邊是本次分析用到的代碼

輸出結(jié)果文件夾：里邊是本次流程生成的示例圖片

readme.txt文件：是對輸入文件的說明

以下是該流程分析出來的圖片：

該圖是各個細胞在各個樣本中的表達熱圖，頂部顏色表示樣本不同的分組

該圖是各個細胞在不同分組間的評分箱式圖

該圖是各個細胞在不同分組間的評分箱式圖，頂部標注了具體的細胞，同時圖上顯示了顯著性p.value值

此外，我們還輸出了各個細胞在各個樣本中的富集得分，每一行是一個細胞，每一列是一個樣本，大家也可以根據(jù)該表格結(jié)合樣本分組繪制自己喜歡的圖片樣式喲。

如需代碼及示例數(shù)據(jù)等文件，請掃碼聊天框回復“B09”領(lǐng)??！