MCP-count包計算腫瘤微環境中各類細胞丰度

微環境細胞種羣計數器(MCP-count)方法,該方法允許從轉錄組數據對組織中八種免疫細胞和兩種基質細胞種羣的絕對丰度進行量化。離體免疫組織化學數據支持該方法的有效性。因此此MCP-counter可以用於繪製人類健康組織和非造血人類腫瘤的免疫浸潤的全局圖。MCP-counter也提供R包。從基因表達矩陣中,它爲每個樣本生成 CD3+ T 細胞、CD8+ T 細胞、細胞毒性淋巴細胞、NK 細胞、B 淋巴細胞、源自單核細胞(單核細胞譜系)的細胞、髓樣樹突細胞、中性粒細胞以及內皮細胞和成纖維細胞。MCP-counter 是“單樣本”分數,因爲它們是在每個樣本上獨立計算的。然後,這些分數可用於直接比較隊列中樣本中相應細胞類型的丰度。通過使用石蠟包埋組織切片上免疫組織化學細胞定量對 MCP 計數器進行了定量驗證。結果說明了它在 47 種健康組織類型和 32 種非血液系統惡性腫瘤中評估組織浸潤的成功應用。

該方法可以比較同一個細胞類型在不同sample的丰度,但是不能用於不同細胞類型之間的比較。

#=======================================================
#set the working files and load the packages
#=======================================================

# library(devtools)
# install_github("ebecht/MCPcounter",ref="master", subdir="Source")

##加載包
rm(list=ls())
library(tibble)
library(dplyr)
library(tidyr)

library(MCPcounter)
## 看一下說明書
?MCPcounter.estimate

setwd("/Users/Desktop/p4/geo_sur/geo")
cdata <- read.csv('cdata.csv', header = T,  row.names = 1)
cdata[1:20,1:3]


probesets=read.table(curl("http://raw.githubusercontent.com/ebecht/MCPcounter/master/Signatures/probesets.txt"),
                     sep="\t",stringsAsFactors=FALSE,colClasses="character")

head(probesets)

write.csv(probesets, file = 'probeset.csv')

genes=read.table(curl("http://raw.githubusercontent.com/ebecht/MCPcounter/master/Signatures/genes.txt"),
                 sep="\t",stringsAsFactors=FALSE,header=TRUE,colClasses="character",check.names=FALSE)

head(genes)

write.csv(genes, file = 'genes.csv')

results<- MCPcounter.estimate(cdata,featuresType=c("HUGO_symbols")[1],
                              probesets=probesets,
                              genes=genes)

results <- as.data.frame(results)

results[1:5,1:5]

數據實例:

> cdata[1:5,1:5]
       ALCaP01_T ALCaP04_T ALCaP09_T  ARM001_T  ARM003_T
1-Dec  10.224370  7.393677  7.973883  7.022964  9.849438
1-Mar  11.253553  7.198410  7.810257  8.483075 10.479081
10-Mar  7.798213  6.683564  6.714652  7.057417  9.832400
11-Mar  9.683238  6.729597  7.820598  6.147415 10.207686
2-Mar  21.811216 23.855673 52.646413 24.763275 23.830846

> head(probesets)
            V1      V2
1 1557733_a_at T cells
2   1558971_at T cells
3 1558972_s_at T cells
4   1566448_at T cells
5  204777_s_at T cells
6    206485_at T cells

> head(genes)
  HUGO symbols Cell population  ENTREZID      ENSEMBL ID
1         CD28         T cells       940 ENSG00000178562
2         CD3D         T cells       915 ENSG00000167286
3         CD3G         T cells       917 ENSG00000160654
4          CD5         T cells       921 ENSG00000110448
5          CD6         T cells       923 ENSG00000013725
6    CHRM3-AS2         T cells 100506915 ENSG00000233355

> results[,1:3]
                        ALCaP01_T  ALCaP04_T  ALCaP09_T
T cells                  14.85268   8.244218   9.812706
CD8 T cells              11.31239   7.389664   8.660349
Cytotoxic lymphocytes    16.07111   7.131069   8.154063
B lineage                20.49535   7.294061  10.610236
NK cells                 10.33208   6.910806   7.467822
Monocytic lineage        25.26373  25.752070  14.775617
Myeloid dendritic cells  12.32315   7.533545   9.112773
Neutrophils              14.22642  30.014294  10.082995
Endothelial cells        17.83547  15.691648  15.584108
Fibroblasts             266.52281 125.732827 379.417187

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章