《A novel scoring method basedon RNA-Seq immunograms describing individual cancerimmunity interaction》的读书笔记
-
2020年 Tokyo 团队发表于 CancerScience(IF 4.5)
-
选取10个Axis上的gene sets:
-
innate immunity (axis 1) priming and activation (axis 2) T cell response (axis 3) IFNG response(axis 4)
-
inhibitory molecules (axis 5) regulatory T cells (Treg, axis 6) myeloid-derived suppressor cells (MDSCs,axis 7)
-
recognition of tumor cells and presentation (axis 8) proliferation (axis-9) glycolysis (axis 10)
- image
-
-
按照每个瘤肿或Pan-Cancer,行ssGSEA,计算Immunogram Score;然后经过Z-Score 变换,最后按照 IGS =3+1.5×Z Score算的每个患者每个Axis上的得分
-
但在进行ssGSEA计算的时候,可能基因集选取的不同,可能算出结果可能有差,因此Figure2 展示的是在Axis1上,选取12个不同基因集的分别算出最终score后的相关性矩阵图;此结果说明即使采用不同的基因集,其结果相关性很高,是比较稳定的结果
- image image
-
Figure3 展示每个患者按照特定瘤种和Pan-Cancer算出的最终Score
- image
-
Figure4 展示每个瘤种的平均Score得分及聚类热图,表明算出的结果与常见的免疫疗效好的瘤种分布一致
- image
-
Figure5 展示 每个轴的得分之间的相关性,并展示接受了PD-1治疗(且有疗效评价)的黑素瘤患者的Immunogram Score及其疗效对应关系
- image
网友评论