探索疾病的免疫微环境是当下研究的热点,因此这也要求我们对免疫浸润分析的各种工具要有所了解,这些工具包括:CIBERSORT,quanTIseq,EPIC(这三种方法可得到不同细胞亚群的百分比结果/绝对丰度),xCell,TIMER,MCPcounter,ImmuCellAI(这四种方法可得到相对丰度),ESTIMATE(用于进行基质、免疫、Estimate和肿瘤纯度评分)等。 1. CIB...
在生信论文36实际分析过程中,主要用Gene module(基因表达与免疫浸润细胞丰度的关系),Diff Exp(转录水平的差异分析)和Correlation(基因表达与基因表达的相关性)。 TIMER2.0版本则将分析内容归类,分为免疫关联(immune association)、肿瘤探究(cancer exploration)和免疫评估(immune estimation)。TIMER2.0数据更全面,结果多以...
通过单样本基因集富集分析(ssGSEA)进行了初步分析(图3 A),旨在通过研究两个簇与免疫浸润之间的相关性,探究促进 CCMs 进展的潜在分子机制。在簇 1 和簇 2 之间,多种免疫细胞存在统计学差异,包括活化的树突状细胞(aDCs)、B 细胞、检查点、树突状细胞(DCs)、促炎细胞、巨噬细胞、中性粒细胞、浆细胞样树突状细胞...
泛癌免疫浸润分析是指通过分析肿瘤微环境中免疫细胞的浸润情况,来评估不同肿瘤类型的免疫特征。这种分析有助于理解肿瘤如何与宿主免疫系统相互作用,进而为肿瘤的预后评估和免疫治疗的选择提供依据。 免疫浸润的基本概念 免疫浸润:肿瘤组织中浸润的免疫细胞,包括淋巴细胞、巨噬细胞、树突状细胞等。 肿瘤微环境:肿瘤细胞与...
探索疾病的免疫微环境是当下研究的热点,因此这也要求我们对免疫浸润分析的各种工具要有所了解,这些工具包括: CIBERSORT,quanTIseq,EPIC (这三种方法可得到不同细胞亚群的百分比结果/绝对丰度), xCell,TIMER,…
有了这个分子亚型的数据,再结合其他临床数据,我们就可以画出一个热图,综合展现不同类型样本的免疫浸润情况。 我们选择生存状态,年龄,性别,病理分期,MSI这几个临床信息进行展示。 clin_sub <- clin_info[,c("vital_status","age_at_diagnosis","gender","ajcc_pathologic_stage","paper_MSI_status")]clin_sub...
Estimate算法是研究免疫浸润的常用算法,可以通过RNA-seq或者基因芯片得到的基因表达量结果为肿瘤基质细胞和免疫细胞浸润结果评分,可以用于研究不同样品间免疫浸润的情况。 结果文件estimate_score.txt中包含了以下内容: (1)StromalScore:基质细胞的评分; (2)ImmuneScore:免疫浸润的评分; ...
另外需要注意的是,对于免疫细胞的选择,如果选择两个以上的细胞,不是对这两个免疫细胞分别进行预后分析。而是来分析这些免疫细胞整体是否影响预后。对于其免疫评分是通过相加融合到一起的。 总的来说 以上就是这个数据库的基本使用方式了。算是GEPIA数据库在免疫浸润方面的一个...
说到肿瘤免疫浸润，就不得不提肿瘤微环境（Tumor microenvironment，TME）。肿瘤微环境，是一个复杂的网络。细胞成分包括：肿瘤细胞、基质细胞（成纤维细胞、脂肪细胞、神经和神经内分泌（NE）细胞、内皮细胞（ECS）和周皮细胞pericytes）、和免疫和炎症细胞（T细胞、B细胞、自然杀伤性‘NK’细胞，树突状细胞、巨噬细胞...
首先大家要对每种免疫浸润方法的结果有一个大体的认知,比如cibersort的结果是各种免疫细胞在样本中的比例,所以一个样本中所有的免疫细胞比例加起来总和是1! 但是ssGSEA就不是这样了。 只有理解了结果是什么样的,你才能选择合适的可视化方法。数就是图,图就是数 ...