在免疫细胞浸润分析中,我们可以使用ssGSEA来估计每个样本中不同免疫细胞类型的相对丰度。 具体而言,ssGSEA首先将所有基因按照其表达量从大到小进行排序,并计算在某个基因集内,基因表达量较高的基因的累积分布函数。这个累积分布函数被称为基因集富集得分(gene set enrichment score,GSE)。然后,对于每个样本,将该样本...
参数method指定用于估计每个样本的基因集富集分数的方法,默认情况下,method = ”gsva”,因此需要重新调整为method = "ssgsea"。 method = c("gsva", "ssgsea","zscore","plage") 下面展示两种常见的ssGSEA评估免疫浸润/通路活性的示例: 一、评估28种免疫细胞浸润水平 Local mutational diversity drives intratumor...
最后,将这些位置上的得分进行平均或加权平均,得到该样本在该基因集上的ssGSEA得分,用于估计该样本中该免疫细胞类型的相对丰度。 函数的输出包括每个样本的ssGSEA得分。通常来说,ssGSEA得分越高,表示该样本或基因集越富集相关基因。 ★注意:ssGSEA得分可以取任何实数值,取值范围是从负无穷到正无穷。但在实际应用中,常...
ssGSEA方法的步骤是首先对单个样本中的基因按照绝对表达量进行排序得到基因列表L, 然后从数据库中获得通路基因集S,使用经验累积分布函数 (ECDF) 对通路进行打分得到ES,使用置换检验评估ES的统计显著性P值,对ES进行归一化得到NES,最后对P值进行FDR矫正得到Q值。其目标是量化单个样本内通路基因集的活跃度。 (3)GSVA方...
方法:ssGSEA 基于基因表达的排序和加权富集分析,它将每个基因集在样本中的富集情况转化为单个富集分数。通过对每个样本的所有基因进行排序,ssGSEA 评估基因集富集分数,并在不同的基因集上生成一组分数。 特点:适合处理单个样本,通常会将基因表达进行归一化,依赖于输入数据的预处理效果。它可以直接对单细胞水平上的数据...
ssGSEA小工具分析原理 该工具通过基于肿瘤样本的基因表达谱,结合经过研究证实的各个免疫细胞的marker基因,利用ssGSEA(单样本富集分析)算法,估算出各个肿瘤样本的免疫细胞富集分数,以此来代表相对的浸润丰度,通过结合不同样本分组,即可知道某种免疫细胞在不同表型下是否存在浸润差异。用户只需要输入基因表达矩阵、已经经过研究...
进行ssGSEA,我们需要的输入数据有基因表达矩阵和肿瘤浸润免疫细胞基因集。 1.导入基因表达矩阵 load("基因表达矩阵.rdata") View(data) 图1 行为基因、列为样本(注意是matrix,不是data.frame) 2.导入肿瘤浸润免疫细胞基因集 文献中比较常见的用来做肿瘤浸润免疫细胞分析的基因集主要用两个:一个是来源于文献Classif...
是一种用于评估单个样本中特定基因集富集程度的方法。在免疫浸润分析中,ssGSEA被用来评估单个样本中免疫相关基因集的活跃程度,从而推断该样本的免疫细胞浸润情况。 (一)数据准备(3种) 1.样本中基因表达谱 library(readxl) gene_exp <- read_xlsx("ssGSEA/gene_expression.xlsx") ...
ssGSEA分析通常涉及以下几个方面: 1. 方法原理,ssGSEA基于基因表达数据和预定义的基因集(例如基因通路、生物过程等)进行计算,通过将基因表达谱转化为基因集富集得分,从而比较不同样本之间基因集的富集程度。该方法可以帮助我们发现与特定生物学过程或疾病状态相关的基因集富集情况。 2. 应用领域,ssGSEA广泛应用于生物...
1、ssGSEA 单样本基因集富集分析(single sample gene set enrichment analysis, ssGSEA),原理上与GSEA类似,不同的是GSEA 主要用于检测不同实验组(如实验组和对照组)之间基因集富集差异,而ssGSEA将样本内基因表达谱进行归一化处理,然后计算每个基因集对应的ssGSEA得分。通过这种方式,ssGSEA将单个样本的基因表达谱转换...