很久没有做个免疫浸润的分析了,转眼间,两大主流免疫浸润工具都发布了2.0版本,CIERSORT更新为CIERSORTx,timer更新为timer2.0。
![](https://img.haomeiwen.com/i16852791/4a9829187b1a4932.png)
![](https://img.haomeiwen.com/i16852791/cbc308633c8990f2.png)
接下来,小伙伴们就和小编一起学习一下timer2.0吧。
从上面的首页中,我们可以看到timer2.0分成了三个板块,分别是免疫相关性、肿瘤探索和免疫估计。
免疫相关性
![](https://img.haomeiwen.com/i16852791/3b26a7a6e27d1acf.png)
与之前类似,免疫相关性分为三个模块,基因、突变、sCNA和结果,我们以CXCL12为例介绍这几个模块。
![](https://img.haomeiwen.com/i16852791/5963c95d631677ec.png)
![](https://img.haomeiwen.com/i16852791/ac19c4a4bd09875d.jpg)
可以看到得到的工具比之前更加强大,细胞类型比之前更丰富了,分析方法也更多样了。
在看TP53的突变分析结果
![](https://img.haomeiwen.com/i16852791/b82366cf36d5c72f.png)
![](https://img.haomeiwen.com/i16852791/c1e6ffb5bfa5ec77.jpg)
结果也比之前更加丰富,信息量更大了。
其他两类都比较类似,就不再展示了,下面我们看一下肿瘤探索部分。
肿瘤探索
首先是一张经典的箱线图,延续了上一版本的风格:
![](https://img.haomeiwen.com/i16852791/a1b92c15962fd7cf.jpg)
Cox回归分析:
![](https://img.haomeiwen.com/i16852791/dbeda7dc59b0baf2.png)
![](https://img.haomeiwen.com/i16852791/548b81194ba2260e.jpg)
分析突变与基因表达的关系,可以直接比较一个基因家族。
![](https://img.haomeiwen.com/i16852791/b7332e679fcc497a.jpg)
CXCL12与CXCR4的相关性分析,可以看到多种肿瘤中存在正相关关系。
![](https://img.haomeiwen.com/i16852791/3d18d074b2c9bc4d.jpg)
最后免疫估计部分需要自己上传表达矩阵,我就不演示了,感兴趣的小伙伴可以自己摸索哦。
好了,今天的推文就到这里,我们下次再见吧。
网友评论