免疫浸润分析模块
用途
本模块基于IOBR等R包，对bulk RNA-Seq数据进行肿瘤微环境免疫浸润分析，支持多种主流免疫浸润算法，并输出标准化的结果表格和可视化图表。
支持的免疫浸润及基质评分算法：
CIBERSORT: 基于线性支持向量回归的免疫细胞浸润分析
EPIC: 基于约束最小二乘法的免疫细胞浸润分析
MCPcounter: 基于基因集富集分析的免疫细胞浸润分析
xCell: 基于基因集变异分析的免疫细胞浸润分析
TIMER: 基于去卷积算法的免疫细胞浸润分析
quanTIseq: 基于定量免疫细胞浸润分析
ESTIMATE: 基于基因表达谱的肿瘤纯度评估
输入文件示例
expression表达矩阵文件：每行一个基因名，每列一个样本名，数值为对应的表达量，tab分割
GENE1
1.234
2.345
3.456
GENE2
4.567
5.678
6.789
clinical临床信息文件：每行一个样本名，每列一个临床特征，tab分割
Sample1
Tumor
45
Male
Sample2
Normal
50
Female
Sample3
Tumor
55
Male
运行方式
SDAS bulkValidate immuneScore --expression fpkm.txt --clinical clinical.txt --group_col tissue_type.samples --group_type discrete --output result_dir输入参数说明
--expression
是
表达矩阵文件路径。制表符分隔，行：基因ID，列：样本ID，值为FPKM/TPM等，不可为原始counts，不可log
--clinical
是
临床信息文件路径。制表符分隔，行：样本ID，列：临床特征
--group_col
是
分组列名（需在临床信息文件中存在）
--output
是
输出目录路径
--group_type
否
discrete
分组类型：discrete/continuous，默认discrete
--group_type分组类型说明离散分组 (discrete)：直接使用临床信息中的分类变量进行分组，例如：Tumor vs Normal, Stage I vs Stage II vs Stage III
连续分组 (continuous)：将连续变量按分位数分为三组：Low, Medium, High
分位数：0%, 30%, 70%, 100%
输出结果展示
tme_combine.txt
所有免疫浸润方法的合并结果
tme_heatmap.png/pdf
TME免疫浸润热图
StromaScore_heatmap.png/pdf
基质评分热图
<method>_stacked_bar.png/pdf
各方法免疫细胞比例堆积柱状图
<method>_grouped_boxplot.png/pdf
各方法分组箱线图
免疫浸润合并结果表：
tme_combine.txt每行一个样本，每列为不同免疫细胞类型的浸润分数。除免疫浸润不同免疫细胞评分外，还有基质评分信息。StromalScore_estimate为基质细胞总量，ImmuneScore_estimate为免疫细胞总量，ESTIMATEScore_estimate为非肿瘤成分即基质细胞与免疫细胞总量，这三列得分若为负数表示该类型成分几乎没有。TumorPurity_estimate列为肿瘤细胞占比，该值从0到1分布。
Sample1
0.123
0.456
...
Sample2
0.234
0.567
...
免疫浸润热图：
tme_heatmap.png/pdf展示所有样本的免疫浸润分数热图，颜色表示分数高低。Group为--group_col设置的分组类型。如图为癌区与非癌区进行比较。Methods为本模块6种免疫浸润方法的结果。通过该图可看出哪些方法区分出了目标细胞或近似细胞类型，同时能看出癌区与正常组织整体是否有差异。
基质评分热图：
StromaScore_heatmap.png/pdf展示样本的基质评分热图。基质评分用以量化肿瘤微环境（TME）中基质细胞、免疫细胞浸润程度及肿瘤纯度。
免疫浸润方法可视化图 (immune_plots目录)
积柱状图
<method>_stacked_bar.png/pdf：各免疫细胞类型在不同样本/分组中的比例。
分组箱线图
<method>_grouped_boxplot.png/pdf：各免疫细胞类型在不同分组中的分布。
Last updated