目前已有各种关于免疫浸润的计算方法。我们介绍过CIBERSORT[CIBERSORT零代码分析免疫细胞浸润],它是一种很有影响力的反褶积方法,利用带有预定义的免疫特征矩阵的微阵列数据来估计给定样本中22个肿瘤浸润免疫细胞(TIICs)的比例。
TIMER是一款肿瘤浸润免疫细胞组分分析软件,输入肿瘤样本的基因表达谱数据,预测每个肿瘤样本中浸润的免疫细胞组成,支持以下6种免疫细胞的分析
生信论文36是单基因分析的生信论文,单纯生信数据库的数据分析,没有湿实验验证,但是可以发表在接近5分的期刊上,很多分析做得很棒,值得借鉴。我们对文章数据进行复现。
生存分析是非常常见的表型分析。与生存分析相比,相关性分析是另外一个常见的表型分析。相关性包括表达与病理分期、治疗手段、年龄、种族、吸烟、突变、性别、共表达等因素的相关情况,通常用相关系数R表示,其差异也是用p值判断。
免疫是血液的一部分,也贯穿循环、呼吸、消化、泌尿,内分泌和神经等各大系统,尤其是T淋巴细胞抑制性分子,也是免疫治疗的靶点分子。肿瘤浸润免疫细胞表型,是研究热点,应用广泛,对于理解疾病也帮助很大。
前面,我们已经分享oncomine数据库做转录水平的差异分析,并推荐用oncomine+GEPIA双验证模式做差异分析。鉴于最新发表的论文和肿瘤浸润免疫细胞表型的分析,个人认为oncomine+TIMER双验证也是不错的组合。
对于RNA-seq的数据,之前我们的分析方法只是局限于单个基因之间的整合分析,最多也就是做一下富集这样的聚类分析。前段时间随着肿瘤免疫的热度,也有人试着开始利用RNA-seq这样的数据来评价患者的免疫情况。
摘要写作,背景中按照疾病背景,引出基因,提出科学问题的逻辑进行,内容稍多。方法中列出,太简单了,也不值得学习,所有的数据库都是果友们熟悉的技能。结果是总结式写作,没有具体的数值,但是很清晰,值得借鉴;结论还是蛮清楚的。
题目:NEFM DNA methylation correlates with immune infiltration and survival in breast cancer
对于基于转录组数据来评价样本当中的免疫细胞浸润情况的算法已经开发出了很多种了。之前我们在介绍TIMER2.0以及这两个免疫浸润数据库的时候,也提到了很多中算法。例如GEPIA2021就是基于CIBERSORT, EPIC, quanTIseq这三种算法来进行评价了。
Comprehensive analyses of tumor immunity: implications for cancer immunotherapy
关于肿瘤浸润淋巴细胞(或免疫细胞)表型的研究,确实是研究热点。接下来,我们仍然关注肿瘤浸润免疫细胞的生信分析。
TIMER (Tumor Immune Estimation Resource)数据库也是用高通量测序(RNA-Seq表达谱)数据分析肿瘤组织中免疫细胞的浸润情况,主要提供B cells, CD4+ T cells, CD8+ T cells, Neutrphils, Macrophages and Dendritic cells等六种免疫细胞的浸润情况。界面友好,简单易学又方便。网址:https://cistrome.shinyapps.io/timer/。
论文题目涉及预后和免疫浸润两种表型。所谓预后,就是基因表达差异与生存率密切相关。因此,个人认为,预后价值并不能算作表型,因为差异表达与生存率相关可以算是基本条件。但是,并不是所有的差异表达都与免疫浸润密切相关。
第44篇生信论文的分享。已经很久没有做生信论文的分享,类似思路的生信论文我们已经分享过很多次。从侧面反映,肿瘤的免疫浸润分析,仍然是热点,还有发表论文的机会和潜力。
大家好!今天跟大家分享的是2020年2月发表在Genomics(IF = 6.205)上的文章。文章利用了从TCGA中搜集的乳腺癌(breast cancer)测序数据进行了免疫相关lncRNA的表达分析并筛选了11个lncRNA,生存曲线分析、多变量Cox回归分析及ROC曲线分析表明这些lncRNA具有较好的预后预测能力,并且与多种临床病理参数无关,可能与免疫细胞亚型的浸润有关。
免疫检查点基因(ICGs)在规避自我反应性方面发挥着关键作用,是开发癌症治疗方法的新靶点。然而,对于在泛癌水平上的ICGs的表达谱及其与患者对基于免疫检查点封锁(ICB)治疗的反应的相关性方面的全面分析仍然缺乏。
摘要部分,言简意赅,尤其是数据库的介绍,穿插在结果的叙述之中。作者对乳腺癌的认识和理解还是蛮深刻的,这也是对肿瘤进行深入分析的基础。
众所周知,免疫系统在肿瘤发展和治疗反应中都起着至关重要的作用,肿瘤的免疫治疗已经获得诺贝奖。而随着高通量测序和大数据时代的到来,肿瘤的免疫特征进行综合分析越来越成为可能。
根据我们的整理,差异分析是基础,生存分析和相关性分析是表型,免疫浸润分析是对表型的阐释,兼有表型和机制两种作用,但并不是真正意义上的机制探究。通常意义上的机制一般涉及信号通路,是一系列分子的级联反应。
这篇生信论文是单基因分析的生信论文。单纯生信数据库的数据分析,没有湿实验验证,发表在接近4分+的期刊上。
在利用 RNA-seq 数据来进行免疫浸润计算方面,已经有很多的算法可以进行分析,我们在 [[免疫算法原理]] 当中也进行了总结。另外如果是想要分析 TCGA 的免疫浸润情况的话,也可以使用 [[TIMER2 TCGA-免疫浸润评估数据库]] 以及 [[GEPIA2021-TCGA免疫细胞分析数据库]]。同时如果想要查询老鼠相关的免疫浸润情况的话,也可以使用 [[TISMO-老鼠免疫浸润评价数据库]]。
关于利用RNA-seq的数据进行免疫浸润的评价,我们在TIMER数据库介绍的时候提到过。基本上就是提供RNA-seq的数据。然后使用制定的算法来就可以获得每个样本免疫细胞的得分了。
一个基于TCGA数据库,不需要注册登录即可进行可视化分析的网页,不需要代码,里面内容十分丰富,提供了最详细的TCGA在线分析展示。
最近几年,肿瘤免疫变成科研的热点,紧跟科研热点,今天介绍一篇5.5分的免疫基因构建生存预后模型的文章。研究思路非常的清晰,先差异分析,再筛选免疫相关的基因,构建生存预后模型,之后结合转录因子,免疫浸润做一些相关分析。
免疫浸润一直是生信数据挖掘的重点,免疫浸润的各种算法也是大家学习生信数据挖掘必学的知识点。
肿瘤微环境在肿瘤进化和免疫治疗中起着关键作用。今天我们将以DNA甲基化数据作为切入点,通过CIBERSORT的去卷积方法来评估细胞浸润,将肿瘤样本分为免疫hot和免疫cold的亚组,并联合基因组和转录组数据进行验证和挖掘。
核糖苷酶-L-2(FUCA2)的表达在不同的肿瘤中有所不同。然而,其在各种肿瘤类型中的作用以及与肿瘤免疫微环境(TIME)的关系尚不明确。
肿瘤微环境是肿瘤细胞生存和发展的土壤,其中浸润到肿瘤局部的免疫细胞介导了肿瘤免疫微环境,tumor immune microenvironment, 简称TIME。肿瘤的免疫疗法作用于免疫微环境, 肿瘤免疫微环境的异质性与免疫疗法的不同响应率必然存在这密切的关系,免疫微环境有望作为一种biomaker来指导临床治疗,筛选能够从免疫疗法中获益的肿瘤患者群体。
科研芝士的小伙伴们大家好啊!我是你们的老朋友小木舟~今天给大家分享一篇2019年11月发表于《JOURNAL OF TRANSLATIONAL MEDICINE》的一篇单基因生信结合组化实验的文章,杂志IF= 4.098。文章题目:Prognostic implications of Aquaporin 9 expression in clear cell renal cell carcinoma.原文获取方式,后台回复:JTM。话不多说直接进入正题~
肿瘤不是单纯的恶性细胞群,而是由不同类型细胞组成的复杂生态系统。在这些细胞中,肿瘤浸润免疫细胞在肿瘤控制和治疗反应中起着核心作用。例如,细胞毒性CD8 + T细胞是抗癌免疫的主要效应因子,因为它们可以特异性地识别和杀死携带新抗原的肿瘤细胞。肿瘤特异性抗原主要来源于突变基因的表达。但免疫细胞也可以发挥免疫抑制作用,支持肿瘤发生和免疫逃避,如调节性T细胞。
我们介绍过,TIMER和TISIDB数据库都是做肿瘤免疫浸润分析的神器,但是数据库之间的组合是非常有讲究的。那么,怎样用好肿瘤免疫数据库呢?这篇文章以前分享过,值得重新学习。影响因子4分+。
发表论文是快乐的,因为那是对辛苦付出最好的奖赏。我们对引文写作的介绍和总结到今天就结束了,愿对果友们有帮助。
这篇生信论文也是单基因分析的生信论文。单纯生信数据库的数据分析,没有湿实验验证,发表在5分+的aging-US期刊上,值得借鉴。
今天分享的是今年9月发表在Aging(IF=5.5)上的一篇文章,研究透明细胞肾细胞癌微环境中新型标志物的预后价值和免疫浸润情况。文章主题仍是生信分析结合免疫,但内容是以生信分析做基础,挑选出枢纽基因后结合临床病理特征进行多因素COX回归分析,构建了回归模型,最后进行枢纽基因免疫浸润的分析。
乳腺癌患者的总生存率存在显著的异质性。目前的评估模型不足以准确预测患者的预后,也缺乏预测治疗反应的模型。
炎症小体(inflammasome)是由多种蛋白质组成的复合体,能够调节caspase-1的活化进而在天然免疫中促进细胞因子前体pro-IL-1β和pro-IL-18的成熟和分泌。NLRP3炎症小体被被认为是肿瘤的双刃剑,然而,仍然缺乏对癌症中NLRP3-炎症相关基因的系统评估。
引文的基本内容:介绍背景(一段或两段)、提出问题(一段),解决问题(一段或2段)。一般引文介绍3~5段。
基于肿瘤微环境相关的基因集构建预后预测模型,预测免疫治疗反应的分析在近几个月来层出不穷,今天小编给大家介绍的文章就是思路比较典型的一篇,分析流程非常明确,复现起来也很快。使用TCGA数据库中的385个结肠癌样本,通过Cox回归分析确定了9个与TME相关的预后基因,评估蛋白表达、免疫细胞浸润程度和患者生存之间的关系。通过计算风险评分,建立了一个与TME相关的基因signature的临床预测模型。文章题目:Identification of a Tumor Microenvironment-Related GeneSignature Indicative of Disease Prognosis and TreatmentResponse in Colon Cancer。
免疫治疗是如何工作的呢?其主要通过激活人体本身的免疫系统,依靠自身的免疫机能杀灭癌细胞。目前已在多种肿瘤如黑色素瘤,非小细胞肺癌、肾癌和前列腺癌等实体瘤的治疗中展示出了强大的抗肿瘤活性,多个肿瘤免疫治疗药物已经获得美国FDA批准临床应用。
今天小编为大家带来一篇基因家族的纯生信文章,所有的结果都可以在在线工具或软件轻松复现。文章题目为Expression, Prognostic Value, and Functional Mechanism of the KDM5 Family in Pancreatic Cancer,发表在Front. Cell Dev. Biol.上,影响因子6.6分。
今天和大家分享的是2019年9月发表在Front Oncol(IF:4.137)上的一篇文章,“Genomic Signatures of Immune Activation Predict Outcome in Advanced Stages of Ovarian Cancer andBasal-Like Breast Tumors”。作者利用已建立的转录组免疫特征来识别预后良好的晚期卵巢癌和晚期基底样型乳腺癌患者;组合其中的4个基因,作为整体预测晚期患者的生存期,并进行肿瘤免疫浸润分析。
第43篇生信论文的分享。先不说论文思路,但是论文题目过于简单,其实可以点出与肿瘤免疫浸润表型相关。
葡萄糖转运体1(GLUT1)由SLC2A1基因编码,是对葡萄糖亲和力最大的葡萄糖转运体之一,GLUT1的异常表达与多种癌症有关。
转录因子激活增强子结合蛋白4(TFAP4)参与癌症增殖、转移、分化、血管生成等生物学功能。
在 2 月期间 ,总共发表了医学相关在线数据库16 个。下面就来给大家介绍一下主要有哪些数据库,以及笔者比较感兴趣的数据库。如果想要所有相关数据库信息的,后台回复:2202。
这是我们分享多次的论文,其中涉及基因组学的生信分析,就是用cBioPortal数据库进行机制探究。比较简单,但是在进行基因组学探究时,这些分析有时就足够了。
热休克因子1(HSF1)在癌症的启动、发展和进展中发挥了重要作用,但目前还没有对HSF1的泛癌分析。
领取专属 10元无门槛券
手把手带您无忧上云