爾云間? 一個(gè)專門做科研的團(tuán)隊(duì)

歡迎點(diǎn)贊+收藏+關(guān)注

生信人R語(yǔ)言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號(hào)

開(kāi)啟升級(jí)模式吧

（56線程，256G內(nèi)存，個(gè)人存儲(chǔ)1T）

• ?終于來(lái)到最后一步啦！前兩期我們完成了轉(zhuǎn)錄組數(shù)據(jù)的標(biāo)準(zhǔn)化和相關(guān)文件的輸出，本期我們進(jìn)行最后一個(gè)步驟（仍舊是在服務(wù)器上運(yùn)行）：

Step1：Rscript preTIDE.R 亞型轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

Step2：Rscript readTIDE.R 表型文件 TIDE輸出 樣本轉(zhuǎn)錄組 樣本信息 TCGA中該類癌癥全部樣本轉(zhuǎn)錄組數(shù)據(jù)（剔除低表達(dá)）

Step3: Rscript readsubmap.R submap網(wǎng)站得到的矩陣中的16個(gè)pvalu

一、?真的是最后一口了

【后臺(tái)使用方法】

二、開(kāi)吃

如有非文件類參數(shù)，點(diǎn)擊 輸入?yún)?shù)對(duì)應(yīng)的值,默認(rèn)比如 pvalue值是0.05 gene 值是 TP53

【所需文件展示】

該矩陣得自submap網(wǎng)站輸出，將其中pvalue作為輸入

??生成文件展示(做了一個(gè)熱圖)：

?

?

就好啦，到此結(jié)束。讓我們回顧一下整個(gè)過(guò)程吧：

第一步，我們對(duì)亞型轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以確保數(shù)據(jù)的一致性和可靠性，從而提高TIDE預(yù)測(cè)結(jié)果的準(zhǔn)確性。

第二步，我們們輸入了表型文件、TIDE輸出文件、樣本轉(zhuǎn)錄組數(shù)據(jù)、樣本信息，以及TCGA中該類癌癥全部樣本的轉(zhuǎn)錄組數(shù)據(jù)（剔除低表達(dá)的基因）這5個(gè)文件，將TIDE算法輸出的預(yù)測(cè)結(jié)果與實(shí)際樣本信息進(jìn)行比較，從而驗(yàn)證TIDE算法對(duì)免疫治療響應(yīng)的預(yù)測(cè)能力，并確定對(duì)于特定類型的癌癥，TIDE算法是否適用。

第三步，讀取submap算法得到的16個(gè)p值，以便進(jìn)行后續(xù)的數(shù)據(jù)分析和可視化。在使用submap算法預(yù)測(cè)單個(gè)樣本或者某亞型對(duì)免疫治療的響應(yīng)可能性時(shí)，submap算法會(huì)將該樣本或者該亞型的基因表達(dá)譜與已有的免疫治療數(shù)據(jù)集進(jìn)行比較，得到一組16個(gè)p值，分別對(duì)應(yīng)16種不同的免疫治療反應(yīng)類型。這16個(gè)p值用來(lái)表示該樣本或者該亞型對(duì)這16種免疫治療反應(yīng)類型的響應(yīng)可能性，p值越小則響應(yīng)可能性越高。

小果吃飽學(xué)會(huì)了，你呢？

有其他分析需求可以查看生信云平臺(tái)云生信 ?- 學(xué)生物信息學(xué) (biocloudservice.com)

使用服務(wù)器預(yù)測(cè)某樣本亞型對(duì)免疫治療的響應(yīng)可私信小編哦

“生信果”，生信入門、R語(yǔ)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(shí)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(jiàn)證小白和大佬的成長(zhǎng)。