爾云間? 一個專門做科研的團隊

原創(chuàng)?小果?生信果

歡迎點贊+收藏+關注

現(xiàn)代腫瘤學認為腫瘤不再是一種疾病，而是一類疾病。對于同一種癌癥類型（以癌灶器官命名）而言，由于腫瘤發(fā)病機制的復雜，在組織病理學及分子生物學上都具有高度異質(zhì)性。腫瘤通常是多基因參與的復雜疾病，不同階段具有不同基因表達譜，癌癥的遺傳、個體差異性和分子機制的復雜性，因此需要由亞型性來描述其特征。基于Immune Subtype Classifier包可以進行腫瘤免疫亞型分類，但是新手上路難免蒙圈，不得要領，這個時候就該小果上場表演了！

我們開發(fā)了一款基于Immune Subtype Classifier 包，根據(jù)腫瘤中的免疫細胞基因表達情況進行腫瘤免疫亞型分類的線上小工具，輸入您的數(shù)據(jù)就能出結果啦！區(qū)分免疫亞型用到了 485個關鍵的基因，利用 XGBoost 分類器，根據(jù)這 485 個特征基因，建模評估樣本表達譜與特征之間的關聯(lián)。然后按照腫瘤中的免疫細胞基因表達情況將腫瘤樣本分為 6 種免疫反應亞型：C1—傷口愈合型、C2—IFN-γ主控型、C3—炎癥型、C4—淋巴細胞消減型、C5—免疫靜默型、C6—TGF-β主導型。一起看看吧！

【上傳數(shù)據(jù)】
如圖，共上傳1個文件，其中行名稱為樣本名，列名稱為基因 symbol，數(shù)值為樣本表達量.

【輸出結果】

1、barplot.pdf（樣本的免疫亞型分別情況，橫坐標為免疫亞型，縱坐標 count 代表樣本個數(shù)）

2、missingGenes.csv（區(qū)分免疫亞型用到了 485 個關鍵的基因。missingGenes 告訴你有多少基因是在輸入數(shù)據(jù)中不存在的，如果比例過高，那最終計算出來的亞型就不那么可靠）

3、result.csv（第一列為樣本，第二列為亞型，依次對應著 6 種免疫反應亞型：C1—傷口愈合型、C2—IFN-γ主控型、C3—炎癥型、C4—淋巴細胞消減型、C5—免疫靜默型、C6—TGF-β主導型。）

看了小果的介紹是不是想要迫不及待地試一下了呢？基于ImmuneSubtypeClassifier進行腫瘤免疫亞型分類：www.biocloudservice.com/125/125.php

其他分析：云生信 ?- 學生物信息學 (biocloudservice.com)

生信人R語言學習必備

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測和篩選診斷標志物
【4】基于本地Java版GSEA的輸出結果整合多個通路到一張圖
【5】基于嶺回歸模型和基因表達矩陣估算樣本對藥物反應的敏感性
【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變量的影響
【8】根據(jù)腫瘤突變負荷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)之間的相關性
【11】代碼分享│診斷列線圖、校準曲線、決策曲線和臨床影響曲線的構建
【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│深度學習-人工神經(jīng)網(wǎng)絡（ANN）的構建
【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系--GO功能富集網(wǎng)絡圖繪制
【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—相關性熱圖和散點圖
【22】代碼分享│生信分析之R語言分析相關性及可視化的N種風格
【23】代碼分享│TCGA數(shù)據(jù)獲取有困難，不會預處理，學習起來
【24】代碼分享│機器學習-支持向量機遞歸特征消除（SVM-RFE）的構建
【25】代碼分享│R可視化：對兩個矩陣進行相關性可視化分析
【26】GEO數(shù)據(jù)庫多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結去除批次效應
【27】你與生信大佬的距離，只差2分鐘搞定預后模型構建和性能評估
【28】9+SCI純生信，模型構建中的“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：你不知道的單細胞擬時序分析還有它
【37】基于基因功能注釋信息挖掘關鍵作用基因
【38】基于癌癥分類預測的標志物特征提取的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】基于細菌群落功能豐度結果進行差異功能分析及可視化
【47】基于基因差異分析結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建Cox風險模型分析
【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回歸篩選預后標記基因并構建風險評分模型
【52】基于表達信息挖掘與關注基因密切相關的基因
【53】基因組學基因名稱修正分析
【54】基于Spearman算法構建關聯(lián)網(wǎng)絡
【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關系對
【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鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析

需要使用服務器，或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、代碼復現(xiàn)、生信硬核知識技能、服務器、生物信息學的教程，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。