說(shuō)到免疫檢查點(diǎn)阻斷療法大家應(yīng)該都不陌生，其中，最富盛名的免疫檢查點(diǎn)就是PD-1/PD-L1了。表達(dá)在T細(xì)胞表面的程序性死亡受體（PD-1），與表達(dá)在腫瘤細(xì)胞表面的程序性死亡配體（PD-L1）結(jié)合，導(dǎo)致T細(xì)胞衰竭而無(wú)法正常殺傷腫瘤細(xì)胞，腫瘤細(xì)胞便可逃脫宿主的免疫監(jiān)視。因此，PD-1/PD-L1被稱(chēng)為“免疫檢查點(diǎn)”?；赑D-1/PD-L1的免疫檢查點(diǎn)阻斷療法就是通過(guò)抑制二者的結(jié)合，從而提高宿主免疫系統(tǒng)對(duì)腫瘤細(xì)胞的攻擊性。那么，能不能通過(guò)生信分析來(lái)評(píng)估患者對(duì)免疫檢查點(diǎn)抑制劑治療的反應(yīng)，預(yù)測(cè)患者腫瘤免疫逃逸的可能性呢？還真有！

TIDE（Tumor Immune Dysfunction and Exclusion）數(shù)據(jù)庫(kù)就可以基于腫瘤樣本的基因表達(dá)譜來(lái)評(píng)估腫瘤免疫逃逸的可能性。下面，小碗不僅將給大家詳細(xì)講解TIDE數(shù)據(jù)庫(kù)的使用，而且還會(huì)一步到位給大家演示如何在R語(yǔ)言中對(duì)分析結(jié)果進(jìn)行整理和繪制小提琴圖，讓我們一起看下去吧！

1.整理數(shù)據(jù)：

前面說(shuō)過(guò)，TIDE數(shù)據(jù)庫(kù)是基于基因表達(dá)譜的算法，所以可想而知，其輸入數(shù)據(jù)應(yīng)該就是基因表達(dá)矩陣了。除此之外，TIDE官網(wǎng)還注明基因表達(dá)矩陣要針對(duì)對(duì)照樣本（正常組織或來(lái)自不同腫瘤樣本的混合樣本）進(jìn)行標(biāo)準(zhǔn)化，但如果數(shù)據(jù)沒(méi)有對(duì)照該怎么辦呢？別急，TIDE也提到了可以用所有樣本的平均值作為歸一化對(duì)照，也就是先計(jì)算出每個(gè)基因在所有樣本中表達(dá)值的平均值，再拿每一樣本中該基因的表達(dá)值減去前述平均值。相關(guān)代碼小碗已經(jīng)給大家寫(xiě)好了，直接拿去用即可：

#加載示例數(shù)據(jù)

load("TIDE數(shù)據(jù)庫(kù)示例數(shù)據(jù).rdata")

str(data)

View(data)

圖1 示例數(shù)據(jù)是55449個(gè)基因在50個(gè)樣本的表達(dá)矩陣

圖2 行為基因（gene symbol或Entrez ID）、列為樣本

#標(biāo)準(zhǔn)化

normalize <- t(apply(data, 1, function(x)x-(mean(x))))

#保存

write.table(data.frame("gene symbol"=rownames(data),data),file="TIDE_input.txt",sep = "\t",quote = F,row.names = F)

2.進(jìn)入TIDE數(shù)據(jù)庫(kù)（http://tide.dfci.harvard.edu/）

有賬號(hào)的話(huà)就輸入郵箱和密碼并點(diǎn)擊“Log in”登錄，沒(méi)有的話(huà)就點(diǎn)擊“To Register”注冊(cè)后登錄。

圖3

然后，就會(huì)直接進(jìn)入免疫檢查點(diǎn)抑制劑療效預(yù)測(cè)模塊：

圖4

下拉，按照指示導(dǎo)入文件、進(jìn)行選擇，點(diǎn)擊“Predict response”進(jìn)行分析：

圖5

分析結(jié)果如下，有一張每個(gè)樣本及其TIDE評(píng)分的柱狀圖，點(diǎn)擊右上角的三條橫線，可以導(dǎo)出。還有一個(gè)表格，鼠標(biāo)懸停在每一列的列名處可以看到相應(yīng)的解釋?zhuān)═IDE評(píng)分越高，腫瘤免疫逃逸的可能性越高，免疫檢查點(diǎn)抑制劑療效越差），拉到頁(yè)面最后點(diǎn)擊“Export to CSV”可以下載表格：

圖6

3.在R中對(duì)分析結(jié)果進(jìn)行整理并繪制小提琴圖比較組間TIDE評(píng)分差異：

首先，整理結(jié)果：

# 讀取分析結(jié)果

output <- read.csv("TIDE_output.csv")

View(output)

圖7 第一列為樣本名，第四列為T(mén)IDE評(píng)分

# 提取所需數(shù)據(jù)

tide <- output[,c(1,4)]

# 設(shè)置分組

# 這里將前25個(gè)樣本設(shè)置為A組，后面25個(gè)樣本設(shè)置為B組

tide$Group <- c(rep("A",25),rep("B",25))

圖8 小提琴圖輸入數(shù)據(jù)

然后，進(jìn)行可視化：

# 繪制小提琴圖

library(ggpubr)

pdf(file = "TIDE_小提琴圖.pdf",width =10,height = 8)

ggviolin(tide,

x = "Group",

y = "TIDE",

fill = "Group",

add = "boxplot",

add.params = list(fill="white"),

xlab = "")+

scale_fill_manual(values = c("red", "blue"))+

geom_signif(comparisons = list(c("A","B")),# 設(shè)置需要比較的組

map_signif_level = T, #是否使用*顯示

test = "wilcox.test", ##計(jì)算方法

y_position = c(0.3),

tip_length = c(c(0.05,0.05)),

size=0.8,color="black")+

theme(legend.position = "top",

axis.title.x =element_text(size=14),

axis.title.y=element_text(size=14),

axis.text.x=element_text(size=14),

axis.text.y=element_text(size=14),

plot.margin=unit(c(2,8,2,8),'cm'))

dev.off()

圖9

除了根據(jù)基因表達(dá)譜預(yù)測(cè)腫瘤免疫逃逸、對(duì)免疫檢查點(diǎn)抑制劑的反應(yīng)，TIDE數(shù)據(jù)庫(kù)還可以直接查詢(xún)單個(gè)基因，感興趣的小伙伴可以自己摸索一下，今天的分享到這里就結(jié)束了，提前感謝大家的贊贊和轉(zhuǎn)發(fā)~