ixxmu
commented
1 year ago 泛癌的免疫浸润可视化（附小豆花讲课视频） by 生信星球
大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~
就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~
这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我!
好久不见！我的产假还剩一个多月，小娃娃两个半月了，天使宝宝，省爹省妈，所以我也有些时间了，陆续开始学习和备课，整理资料咯。
从Timer2.0的主页发现了一个优秀的资源：
http://timer.comp-genomics.org/infiltration_estimation_for_tcga.csv.gz
这里面是各种方法计算出的TCGA免疫浸润结果。有现成的结果，做图就完全是R语言技巧的输出咯。
可以做接下来的几件事：
1.将某一方法计算出来的免疫浸润结果拆分成单独的数据框。
2.绘制箱线图，展示某种免疫细胞在所有癌症中，tumor和normal的丰度比较。
3.绘制箱线图，展示某种免疫细胞在所有癌症中，tumor样本的丰度，并按照中位数从小到大排好顺序。
你可以先自己试试，再看我写的答案。
1.拆分
rm(list = ls())
a = read.csv("infiltration_estimation_for_tcga.csv.gz",
row.names = 1,
check.names = F)
head(colnames(a))
## [1] "B cell_TIMER" "T cell CD4+_TIMER"
## [3] "T cell CD8+_TIMER" "Neutrophil_TIMER"
## [5] "Macrophage_TIMER" "Myeloid dendritic cell_TIMER"
library(stringr)
b = str_split(colnames(a),"_",simplify = T) %>% as.data.frame()
colnames(b) = c("cell","method")
table(b$method)
##
## CIBERSORT CIBERSORT-ABS EPIC MCPCOUNTER QUANTISEQ
## 22 22 8 11 11
## TIMER XCELL
## 6 39
k = b$method=="CIBERSORT";table(k)
## k
## FALSE TRUE
## 97 22
ciber = a[,k]
colnames(ciber) = str_remove(colnames(ciber),"_CIBERSORT")
ciber[1:4,1:4]
## B cell naive B cell memory B cell plasma T cell CD8+
## TCGA-OR-A5J1-01 0.002937309 0.002282572 0.00000000 0.11294112
## TCGA-OR-A5J2-01 0.046380291 0.000000000 0.15149520 0.07351904
## TCGA-OR-A5J3-01 0.061034875 0.000000000 0.19053762 0.01649453
## TCGA-OR-A5J5-01 0.253704390 0.000000000 0.03964469 0.03734717
2.泛癌的tumor和normal某种细胞丰度比较
需要泛癌临床信息，才能知道每个样本属于哪种癌症。可以从xena下载
https://tcga-pancan-atlas-hub.s3.us-east-1.amazonaws.com/download/Survival_SupplementalTable_S1_20171025_xena_sp
#整理临床信息，使其与免疫细胞丰度矩阵行名一致
m = read.delim("Survival_SupplementalTable_S1_20171025_xena_sp",row.names = 1)
y = intersect(rownames(ciber) , rownames(m));length(y)
## [1] 11031
ciber = ciber[y,]
m = m[y,]
identical(rownames(ciber),rownames(m))
## [1] TRUE
#做图
library(ggplot2)
ciber$type = m$cancer.type.abbreviation
ciber$Group = ifelse(str_sub(rownames(ciber),14,15)<10,"tumor","normal")
ggplot(ciber,aes(x = type,y = `B cell naive`))+
geom_boxplot(aes(fill = Group),alpha = 0.7)+
scale_fill_manual(values = c("navy","firebrick3"))+
theme_bw()+
theme(axis.text.x = element_text(angle = 90,vjust = 0.5))
3.某种免疫细胞的丰度在所有tumor中的比较
随便拿一个细胞B cell naive来画。
library(dplyr)
dat = ciber[ciber$Group=="tumor",]
#利用因子，调整横坐标顺序
dat2 = group_by(dat,type) %>%
summarise(median = median(`B cell naive`)) %>%
arrange(median)
dat$type=factor(dat$type,levels = dat2$type)
library(ggplot2)
ggplot(dat,aes(type,`B cell naive`))+
geom_boxplot(outlier.size = 0.5)+
theme_bw()+
theme(axis.text.x = element_text(angle = 90,vjust = 0.5))
如果因为代码看不懂，而跟不上正文的节奏，可以来找我，系统学习。以下课程都是循环开课。下一期的时间，点进去咨询微信咯 生信零基础入门学习小组 生信入门班（四周线上直播课） 数据挖掘班（医生/医学生首选）
https://mp.weixin.qq.com/s/NYnjfWPvjsQVlGnZlFxryg