免疫相关分析

quanTIseq

quanTIseq基于反卷积算法，利用bulk samples的RNA_seq数据，可以对肿瘤样本中不同种类免疫细胞的组成进行预测，支持以下10种类型的免疫细胞：B cells、Classically activated macrophages(M1)、Alternatively activated macrophage(M2)、Monocytes、Neutrophils、Natural Killer(NK) cells、Non-regulatory CD4+ T cells、CD8+ T cells、Regulatory CD4+ T(Treg) cells、Dendritic cells，本身封装了一个pipline，从原始raw数据出发，我们借助immunedeconv包，该包内集成了quanTIseq算法，使用项目中的fpkm文件或者tpm文件作为输入文件。

immunedeconv的github网站，https://github.com/omnideconv/immunedeconv

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/quanTIseq -h
flags:
  -h, --help			show this help message and exit

optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file or tpm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file #项目中condition.xls(与 --sample 2选一即可)
  -p, --prefix PREFIX			the prefix

输出结果见，/TJPROJ6/RNA_SH/script_dir/immune/result/test_quanTIseq.xls

EPIC

GitHub网站，https://github.com/GfellerLab/EPIC

EPIC可根据表达数据分析出8种免疫细胞的浸润比例，分别是：B细胞、肿瘤相关成纤维细胞（CAFs）、CD4+T细胞、 CD8+T细胞、内皮细胞、巨噬细胞和NK细胞。

其中，CAFs是肿瘤微环境的重要组成部分，有抑制免疫细胞的功能。可通过分泌生长因子如血管内皮生长因子、血小板衍生因子或其他趋化因子促进肿瘤生长和转移。当B细胞、CD8+T细胞、NK细胞比例显著下降时，表明组织中的免疫反应被抑制了，免疫细胞的招募过程受到阻碍，肿瘤免疫受到抑制；相反，CAF的增高则与肿瘤的发生发展密切相关

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/EPIC -h
flags:
  -h, --help			show this help message and exit
optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -p, --prefix PREFIX			the prefix

输出结果见，/TJPROJ6/RNA_SH/script_dir/immune/result/test_EPIC_cellFractions.xls，/TJPROJ6/RNA_SH/script_dir/immune/result/test_EPIC_mRNAProportions.xls

ImmuCellAI

ImmuCellAI (Immune Cell Abundance Identifier, http://bioinfo.life.hust.edu.cn/ImmuCellAI/)是一个从包括RNA-Seq和微阵列数据在内的基因表达数据集估计24个免疫细胞丰度的工具。github网站：https://github.com//lydiaMyr/ImmuCellAI

1. 基于ssGSEA策略，结合已鉴定的各种免疫细胞特征基因，开发可以分析24种免疫细胞的ImmuCellAI算法并搭建了相应的网页界面；

2. 基于ImmuCellAI的免疫细胞评分，使用支持向量机算法进行肿瘤免疫检查点抑制剂治疗效果预测。

3. 基于ImmuCellAI，对TCGA表达谱和生存数据进行整合分析，构建了不同肿瘤浸润免疫细胞与生存的数据库

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/ImmuCellAI -h
flags:
  -h, --help			show this help message and exit
optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/result/test_ImmuCellAI.xls

ImmuCellAI-mouse

ImmuCellAI（Immune Cell Abundance Identifier) 是一个从基因表达数据集（包括RNA-Seq和芯片数据）中估计24种免疫细胞丰度的工具，其中24种免疫细胞由18种T细胞亚型和6种其他免疫细胞组成。B细胞、NK细胞、单核细胞、巨噬细胞、中性粒细胞和DC细胞。

此外，ImmuCellAI可用于估计不同人群免疫细胞浸润的差异，以及预测患者对免疫检查点阻断疗法的反应。同时拥有人和小鼠版本。

人版本: ImmuCellAI (Immune Cell Abundance Identifier)

文章链接:ImmuCellAI: A Unique Method for Comprehensive T-Cell Subsets Abundance Prediction and its Application in Cancer Immunotherapy

ImmuCellAI-mouse (Immune Cell Abundance Identifier for mouse) ImmuCellAI (Advanced Science 2020 , ESI high citation paper) 的小鼠版本。ImmuCellAI-mouse是一个基于RNA-Seq或芯片数据的基因表达谱估计36种免疫细胞丰度的工具。

鼠版本: ImmuCellAI-mouse (Immune Cell Abundance Identifier for mouse)

文章链接:ImmuCellAI-mouse: a tool for comprehensive prediction of mouse immune cell abundance and immune microenvironment depiction

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/ImmuCellAI-mouse/ImmuCellAI-mouse -h
flags:
  -h, --help			show this help message and exit
optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/ImmuCellAI-mouse/*_ImmuCellAI.xls

TIMER

TIMER应用反褶积方法从基因表达谱中推断TIICs的丰度，分析了TCGA的32个癌症类型的10897个样本的基因表达数据，估计6个TIIC亚群(B细胞、CD4+T细胞、CD8+T细胞、巨噬细胞、中性粒细胞和树突状细胞)的丰度。

网站https://cistrome.shinyapps.io/timer/，借助R包immunedeconv实现。

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/TIMER -h
flags:
  -h, --help			show this help message and exit

optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -i, --indications INDICATIONS			the cancer type , a vector , Accepted indications are 'kich', 'blca', 'brca', 'cesc', 'gbm', 'hnsc', 'kirp', 'lgg', 'lihc', 'luad', 'lusc', 'prad', 'sarc', 'pcpg', 'paad', 'tgct', 'ucec', 'ov', 'skcm', 'dlbc', 'kirc', 'acc', 'meso', 'thca', 'uvm', 'ucs', 'thym','esca', 'stad', 'read', 'coad', 'chol'
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/result/test_TIMER.xls

Xcell

Xcell 是在 r 中开发的，用于运行 xcell 的 r 包可以作为 github 存储库中的开源代码使用 (https://github.com/dviraran/xCell)

组织是由不同谱系和亚型的细胞类型组成的复杂环境，每种细胞都有自己独特的转录组。因此，批量转录组分析是细胞类型特异性基因表达的总和加权的细胞类型比例在给定的样本。去卷积的基因表达谱允许重建组织的细胞组成。Xcell 是一个强大的计算方法，转换基因表达谱为丰富分数的64免疫和基质细胞类型跨样本。

不同受试者细胞类型组成的差异可以确定疾病的细胞靶点，并提出新的治疗策略。此外，调整这些变异可以检测真正的基因表达差异，并提高解释下游分析。

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/Xcell.R -h
flags:
  -h, --help			show this help message and exit
optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the stat file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/result/test_xcell_all.xls

MCPcounter

MCPcounter网站：https://github.com/ebecht/MCPcounter

微环境细胞种群计数器（MCP-count）方法，该方法允许从转录组数据对组织中八种免疫细胞和两种基质细胞种群的绝对丰度进行量化。离体免疫组织化学数据支持该方法的有效性。因此此MCP-counter可以用于绘制人类健康组织和非造血人类肿瘤的免疫浸润的全局图。MCP-counter也提供R包。从基因表达矩阵中，它为每个样本生成 CD3+ T 细胞、CD8+ T 细胞、细胞毒性淋巴细胞、NK 细胞、B 淋巴细胞、源自单核细胞（单核细胞谱系）的细胞、髓样树突细胞、中性粒细胞以及内皮细胞和成纤维细胞。MCP-counter 是“单样本”分数，因为它们是在每个样本上独立计算的。然后，这些分数可用于直接比较队列中样本中相应细胞类型的丰度。通过使用石蜡包埋组织切片上免疫组织化学细胞定量对 MCP 计数器进行了定量验证。结果说明了它在 47 种健康组织类型和 32 种非血液系统恶性肿瘤中评估组织浸润的成功应用。

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/MCPcounter -h
flags:
  -h, --help			show this help message and exit

optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/result/test_MCPcounter.xls

cibersort

CIBERSORT支持网页版和本地两种方法。CIBERSORT网页版链接为https://cibersortx.stanford.edu/，（CIBERSORTx目前无R代码偶我们无法分析，需要edu的邮箱注册使用）。需要说明的是，使用网页版需要先进行账号注册。

CIBERSORT 软件发表于2015年的Nature Methods。CIBERSORT是基于线性支持向量回归（linear support vector regression）原理对人类免疫细胞亚型的表达矩阵进行去卷积的工具。用于芯片表达矩阵和测序表达矩阵，对未知混合物和含有相近的细胞类型的表达矩阵的去卷积分析优于其他方法 (LLSR,LLSR,PERT,RLR,MMAD,DSA) 。该方法基于已知参考数据集，默认提供22种免疫细胞亚型的基因表达特征集：LM22。

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/cibersort -h
flags:
  -h, --help			show this help message and exit

optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the fpkm file
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file
  -p, --prefix PREFIX			the prefix

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/result/test1_cibersort.xls

estimate

根据表达数据，ESTIMATE为研究人员提供了肿瘤纯度、存在的基质细胞水平和肿瘤组织中免疫细胞浸润水平的分数。与上述CIBERSORT和ssGSEA不同的是：（1）除了免疫细胞，还能分析肿瘤细胞纯度和基质细胞的丰度；（2）关于免疫细胞，仅能计算一个总的免疫细胞评分，而无法给出每种免疫细胞的具体比例。

网站https://bioinformatics.mdanderson.org/estimate/index.html

脚本使用方法：

/TJPROJ6/RNA_SH/script_dir/immune/estimate.R -h
flags:
  -h, --help			show this help message and exit

optional arguments:
  -x, --opts OPTS			RDS file containing argument values
  -f, --fpkm FPKM			the stat file
  -p, --prefix PREFIX			the prefix
  -s, --sample SAMPLE			the sample name
  -c, --condition CONDITION			the condition file

输出结果见/TJPROJ6/RNA_SH/script_dir/immune/fpkm_out.gct

目录

quanTIseq

EPIC

ImmuCellAI

ImmuCellAI-mouse

TIMER

Xcell

MCPcounter

cibersort

estimate