ESTIMATE算法是一種用于評估樣本腫瘤純度的算法。是由美國著名的MD安德森癌癥開發(fā)和維護(hù)。

通過輸入一個簡單的基因的表達(dá)矩陣，我們可以等到免疫細(xì)胞、基質(zhì)細(xì)胞的含量水平分值，以及樣本純度的數(shù)值。

輸入文件：

ESTIAMTE評估算法的代碼也相當(dāng)簡短：

library(utils)#安裝 rforge <- "http://r-forge.r-project.org" install.packages("estimate", repos=rforge, dependencies=TRUE) library(estimate)

###讀取數(shù) file_dir='/Users/bloodborne/Desktop/用所選項目新建的文件夾/bioinfortest/bioinfo/tumor_immune/sample_input.txt' ##關(guān)鍵函數(shù)，生成GCT文件 filterCommonGenes(input.f = file_dir,output.f = "gene.gct",id="GeneSymbol") ###通過GCT文件評估腫瘤樣本純度 estimatescore("gene.gct","estimat_score.gct",platform = "affymetr") score_table=read.table("estimat_score.gct",skip = 2,header = 1) rownames(score_table)=score[,1] score=t(score_table) colnames(score)=score[1,] #score_matrix最終腫瘤純度評分矩陣 score_matrix=score[-1,]

運行完課得到每個樣本的腫瘤純度等信息：

一般來說腫瘤的樣本純度越高，侵襲能力越強，因此可以結(jié)合其他表型數(shù)據(jù)做進(jìn)一步分析。

下面我們來介紹一篇簡單的ESTIMATE腫瘤免疫微環(huán)境評估算法的文章運用思，IF3.2，逐年下降中：

這是一篇3.5分純生信文章，直接看method：

原始數(shù)據(jù)是倆張GEO芯片，生存分析和LASSO cox回歸模型篩選出14個基因。

后面就是一個RISKscore模型的頑梗（其實就是系數(shù)*表達(dá)值加和），這。。。3年前的想法還能留到現(xiàn)在。。。后面是GO PPI等灌水組合拳。

最后才是我們的重點：

通過ESTIMATE計算出腫瘤純度，作者研究RISK score和腫瘤純度、基質(zhì)細(xì)胞、免疫細(xì)胞評分的相關(guān)性，以及亞組之間三個評分的差異。最后就是一個腫瘤的CIBERSOFT免疫浸潤的分析，這個我們可以用多種工具代替，后面會視頻講

作者整體的這個分析流程可以說是非常簡單，沒有實現(xiàn)難度。GOkegg和PPI這些我的TCGA視頻都有講，后面腫瘤免疫浸潤也會講解，唯一對大家的難點可能就是LASSO cox。

seer數(shù)據(jù)論文體系的機器學(xué)習(xí)部分包含了這一講解和實戰(zhàn)，有興趣的同學(xué)可以看一下：

那么這次的講解就到這里，相信這樣的思路對大家實現(xiàn)起來應(yīng)該是很快速的。