散文網(wǎng) » 科技 »學(xué)習(xí) » 高分生信文章最受歡迎的免疫浸潤(rùn)分析算法-CIBERSORT

高分生信文章最受歡迎的免疫浸潤(rùn)分析算法-CIBERSORT

2023-11-20 11:00 作者:爾云間 0人讀過(guò) | 我要投稿

今天小云帶來(lái)的分享內(nèi)容是利用CIBERSORT算法進(jìn)行免疫浸潤(rùn)分析，因?yàn)樵撍惴ㄊ窃谏盼恼轮幸么螖?shù)最多的免疫浸潤(rùn)分析的算法，所以小云今天想通過(guò)實(shí)例數(shù)據(jù)來(lái)進(jìn)行演示，有需要的小伙伴可以跟著小云一起開(kāi)始今天的分享學(xué)習(xí)。 1.CIBERSORT算法介紹

小云來(lái)為小伙伴們簡(jiǎn)單介紹一下CIBERSORT算法，CIBERSORT利用線性支持向量回歸的原理對(duì)免疫細(xì)胞亞型的表達(dá)矩陣進(jìn)行去卷積，來(lái)估計(jì)免疫細(xì)胞的豐度。CIBERSORT提供了22種常見(jiàn)的免疫浸潤(rùn)細(xì)胞表達(dá)數(shù)據(jù)LM22，包括不同的細(xì)胞類型和功能狀態(tài)的免疫細(xì)胞，這就是小云對(duì)該算法的介紹，小伙伴們有沒(méi)有理解呀！利用CIBERSORT算法進(jìn)行免疫分析，需要在官網(wǎng)下載22種常見(jiàn)的免疫浸潤(rùn)細(xì)胞表達(dá)數(shù)據(jù)LM22文件，以及準(zhǔn)備基因表達(dá)矩陣文件就可以進(jìn)行免疫浸潤(rùn)分析，非常簡(jiǎn)單，很適合小白學(xué)習(xí)，接下來(lái)跟著小云開(kāi)始今天的實(shí)操吧！ 2.準(zhǔn)備需要的R包

#安裝需要的R包 install.packages("ggplot2") install.packages("reshape2") install.packages("ggpubr") install.packages("dplyr") install.packages("ggsci") BiocManager::install("RcolorBrewer") #加載需要的R包 library(ggplot2) library(reshape2) library(ggpubr) library(dplyr) library(RcolorBrewer) source('Cibersort.R') 3.?讀取文件 #LM22.txt,22種免疫細(xì)胞表達(dá)量文件，第一列為Gene symbol,其他列為22種免疫細(xì)胞。 LM22.file <- "LM22.txt"

#combined.expr.txt，表達(dá)矩陣文件，行名為基因名，列名為樣本信息。 GEO_exp.file <- "combined.expr.txt"

3.?CIBERSORT算法進(jìn)行免疫浸潤(rùn)分析

#perm表示置換次數(shù), QN如果是芯片設(shè)置為T，如果是測(cè)序就設(shè)置為F GEO_cibersort.results <- CIBERSORT(LM22.file ,GEO_exp.file, perm = 50, QN = T) write.table(GEO_cibersort.results, "GEO_CIBERSORT.txt") #計(jì)算的22種免疫細(xì)胞比例結(jié)果文件，行名為樣本信息，列名為免疫細(xì)胞類型。

# 提取cibersort前22列數(shù)據(jù)，23-25列為 P-value， P-value，RMSE數(shù)據(jù) cibersort_data <- as.data.frame(GEO_cibersort.results[,1:22]) #將行名轉(zhuǎn)化為列名 cibersort_data<-rownames_to_column(cibersort_data,var="Sample") #讀取樣本分組文件,包括兩列信息，第一列為樣本名，第二列為分組信息。 Group<-read.table(“group.txt”,header=T,sep=”\t”)

#連接分組信息和cibersort結(jié)果文件 cibersort<-left_join(cibersort_data,Group,by="Sample") #長(zhǎng)寬數(shù)據(jù)轉(zhuǎn)換 cibersort<- melt(cibersort,id.vars=c("Sample","group")) #設(shè)置行名 colnames(cibersort)<-c("Sample","Group","celltype","composition") #繪制差異分析箱線圖 boxplot_cibersort<- ggplot(cibersort, aes(x = celltype, y = composition))+ ??labs(y="Cell composition",x= "")+? ??geom_boxplot(aes(fill = Group),position=position_dodge(0.5),width=0.5)+ ??scale_fill_npg()+ ??#修改主題 theme_bw() + ???theme(axis.title = element_text(size = 12,color ="black"), ???????????????????axis.text = element_text(size= 12,color = "black"), ???????????????????panel.grid.minor.y = element_blank(), ???????????????????panel.grid.minor.x = element_blank(), ???????????????????axis.text.x = element_text(angle = 45, hjust = 1 ), ???????????????????panel.grid=element_blank(), ???????????????????legend.position = "top", ???????????????????legend.text = element_text(size= 12), ???????????????????legend.title= element_text(size= 12) ??) + ??stat_compare_means(aes(group =?Group), ?????????????????????label = "p.signif", ?????????????????????method = "wilcox.test", ?????????????????????hide.ns = T)#隱藏不顯著的 ggsave(file="cibersort.pdf",boxplot_cibersort,height=10,width=15)

3.?繪制免疫細(xì)胞含量柱狀圖

#長(zhǎng)寬數(shù)據(jù)轉(zhuǎn)換 cibersort_plot<-melt(cibersort_data,id.vars=”Sample”) #修改列名 colnames(cibersort_plot)<-c("Sample",""celltype","composition") #繪制免疫細(xì)胞含量堆疊柱狀圖 ##自定義顏色設(shè)置 colour =?c(brewer.pal(12, "Paired"),brewer.pal(8, "Dark2"),brewer.pal(12, "Set3")) ggplot(data=cibersort_plot,aes(x=Sample,y=composition,fill=celltype))+ geom_bar(position="stack",stat="identity")+?#繪制柱狀圖 scale_fill_manual(values = colour)+?#添加自定義顏色 labs(x="",y="",title="cell proportion")+?#設(shè)置坐標(biāo)軸 scale_y_continuous(expand=c(0,0))+?#設(shè)置與y軸的間距為0 guides(fill = guide_legend(ncol = 1))+?#設(shè)置圖例排列成一列 #修改主題 theme_bw()+ theme(legend.key = element_blank(),legend.title = element_blank(), panel.grid=element_blank(), axis.text.x=element_blank(), axis.ticks.x=element_blank(), plot.title=element_text(hjust=0.5)) #保存圖片 ggsave("cibersort_barplot.pdf",width=8,height=8)