MCP-count包计算肿瘤微环境中各类细胞丰度

微环境细胞种群计数器(MCP-count)方法,该方法允许从转录组数据对组织中八种免疫细胞和两种基质细胞种群的绝对丰度进行量化。离体免疫组织化学数据支持该方法的有效性。因此此MCP-counter可以用于绘制人类健康组织和非造血人类肿瘤的免疫浸润的全局图。MCP-counter也提供R包。从基因表达矩阵中,它为每个样本生成 CD3+ T 细胞、CD8+ T 细胞、细胞毒性淋巴细胞、NK 细胞、B 淋巴细胞、源自单核细胞(单核细胞谱系)的细胞、髓样树突细胞、中性粒细胞以及内皮细胞和成纤维细胞。MCP-counter 是“单样本”分数,因为它们是在每个样本上独立计算的。然后,这些分数可用于直接比较队列中样本中相应细胞类型的丰度。通过使用石蜡包埋组织切片上免疫组织化学细胞定量对 MCP 计数器进行了定量验证。结果说明了它在 47 种健康组织类型和 32 种非血液系统恶性肿瘤中评估组织浸润的成功应用。

该方法可以比较同一个细胞类型在不同sample的丰度,但是不能用于不同细胞类型之间的比较。

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

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

##加载包
rm(list=ls())
library(tibble)
library(dplyr)
library(tidyr)

library(MCPcounter)
## 看一下说明书
?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]

数据实例:

> 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