ESTIMATE算法是一種用于評估樣本腫瘤純度的算法。是由美國著名的MD安德森癌癥開發(fā)和維護(hù)。
通過輸入一個(gè)簡單的基因的表達(dá)矩陣，我們可以等到免疫細(xì)胞、基質(zhì)細(xì)胞的含量水平分值，以及樣本純度的數(shù)值。
輸入文件：
ESTIAMTE評估算法的代碼也相當(dāng)簡短：
library(utils)#安裝 rforge <- "http://r-forge.r-project.org" install.packages("estimate", repos=rforge, dependencies=TRUE) library(estimate)
讀取數(shù) file_dir='/Users/bloodborne/Desktop/用所選項(xiàng)目新建的文件夾/bioinfortest/bioinfo/tumor_immune/sample_input.txt' ##關(guān)鍵函數(shù)，生成GCT文件 filterCommonGenes(input.f = file_dir,output.f = "gene.gct",id="GeneSymbol") ###通過GCT文件評估腫瘤樣本純度 estimateScore("gene.gct","estimat_score.gct",platform = "affymetr") score_table=read.table("estimat_score.gct",skip = 2,header = 1) rownames(score_table)=score[,1] score=t(score_table) colnames(score)=score[1,] #score_matrix最終腫瘤純度評分矩陣 score_matrix=score[-1,]
運(yùn)行完課得到每個(gè)樣本的腫瘤純度等信息：
一般來說腫瘤的樣本純度越高，侵襲能力越強(qiáng)，因此可以結(jié)合其他表型數(shù)據(jù)做進(jìn)一步分析。
下面我們來介紹一篇簡單的ESTIMATE腫瘤免疫微環(huán)境評估算法的文章運(yùn)用思，IF3.2，逐年下降中：
這是一篇3.5分純生信文章，直接看method：
原始數(shù)據(jù)是倆張GEO芯片，生存分析和LASSO cox回歸模型篩選出14個(gè)基因。
后面就是一個(gè)RISKscore模型的頑梗（其實(shí)就是系數(shù)*表達(dá)值加和），這。。。3年前的想法還能留到現(xiàn)在。。。后面是GO PPI等灌水組合拳。
最后才是我們的重點(diǎn)：
通過ESTIMATE計(jì)算出腫瘤純度，作者研究RISK score和腫瘤純度、基質(zhì)細(xì)胞、免疫細(xì)胞評分的相關(guān)性，以及亞組之間三個(gè)評分的差異。最后就是一個(gè)腫瘤的CIBERSOFT免疫浸潤的分析，這個(gè)我們可以用多種工具代替，后面會(huì)視頻講
作者整體的這個(gè)分析流程可以說是非常簡單，沒有實(shí)現(xiàn)難度。GOkegg和PPI這些我的TCGA視頻都有講，后面腫瘤免疫浸潤也會(huì)講解，唯一對大家的難點(diǎn)可能就是LASSO cox。
