长期更新列表:
使用R语言的cgdsr包获取TCGA数据(cBioPortal)TCGA的28篇教程- 使用R语言的RTCGA包获取TCGA数据 (离线打包版本)TCGA的28篇教程- 使用R语言的RTCGAToolbox包获取TCGA数据 (FireBrowse portal)TCGA的28篇教程- 批量下载TCGA所有数据 ( UCSC的 XENA)TCGA的28篇教程- 数据下载就到此为止吧TCGA的28篇教程- 指定癌症查看感兴趣基因的表达量TCGA的28篇教程- 对TCGA数据库的任意癌症中任意基因做生存分析TCGA的28篇教程-整理GDC下载的xml格式的临床资料 TCGA的28篇教程-风险因子关联图-一个价值1000但是迟到的答案
TCGA的28篇教程-数据挖掘三板斧之ceRNA
TCGA的28篇教程-所有癌症的突变全景图
TCGA的28篇教程-早期泛癌研究
TCGA的28篇教程-CNV全攻略
从现在开始解读2018年4月的TCGA终结系列文章,因为涉及到的代码知识不多,我就不亲自出手了,会邀请我的几个学生来一一解读,当然,也欢迎广大粉丝投稿,运气的话有机会得到我的关注和指导。
免疫微环境在肿瘤发生、侵袭、转移及耐受过程中占据重要位置,预示着我们可以从免疫微环境参与肿瘤耐受的这一视角出发,为寻新的抗肿瘤途径开辟新的思路,下面我们就一起来尝试了解这篇癌症免疫图谱文章吧。 2018年4月Immunity杂志上发表了文章The Immune Landscape of Cancer ,由34个单位共同合作完成。文章对TCGA中33种癌症,超过10,000个肿瘤样本进行了免疫原性分析,将所有肿瘤分成6种免疫亚型,即:
wound healing, IFN-γ dominant, inflammatory, lymphocyte depleted, immunologically quiet, and TGF-β dominant
进一步分析:
∙不同亚型间巨噬细胞或淋巴细胞特征、Th1:Th2细胞比例、肿瘤异质性程度、非整倍性、新抗原负荷程度、细胞增殖、免疫调节基因的表达、预后等指标的差异。 ∙与免疫相关的驱动突变
∙参与肿瘤免疫的细胞内和细胞间调控网络(调控网络包含转录、microRNA、拷贝数、表观遗传信息)
分析流程
step1. 下载TCGA平台33种癌症类型的6种分子平台数据(mRNA、microRNA、外显子测序数据;甲基化、拷贝数、蛋白质芯片数据)
step2. 为全部非血液类癌症进行免疫表达特征(160种)评分,将TCGA全部肿瘤聚类成6种免疫亚型
step3. 根据DNA甲基化、mRNA和H&E图像分析确定白细胞类型及比例(用于评估免疫浸润细胞的组成)
step4. 生存分析评估免疫亚型与预后的关系
step5. 分别以TCGA肿瘤类型、TCGA定义的分子亚型、6种免疫亚型分组,比较新抗原、病毒RNA表达、T细胞受体(TCR)和B细胞受体(BCR)、免疫调节因子(IM)表达与调控等特征(评估影响免疫原性和免疫浸润的因素间的关系)
免疫原性(immunogenicity):能引起机体产生免疫应答的物质
肿瘤浸润免疫细胞包括:T cells, B cells, natural killer cells, macrophages, neutrophils, dendritic cells, mast cells, eosinophils, basophils等
step6. 鉴定与免疫浸润相关的体细胞变异(包括pathway, 拷贝数变异,driver mutation)
step7. 评估性别与祖源是否对特定肿瘤类型的免疫反应有影响
step8. 鉴定控制肿瘤免疫应答的细胞内调控网络、参与形成肿瘤免疫微环境(TME)的细胞外通讯网络
癌症的免疫亚型
计算160种免疫特征间的相关系数,聚类分析,得到5个核心模块免疫表达特征(巨噬细胞 , 免疫浸润淋巴细胞, TGF-β response , IFN-γ response, wound healing ) → 据此将TCGA中的非血液肿瘤聚成6种免疫亚型(C1-C6) → 6种免疫亚型中这5种免疫特征的分布情况。(图1A)