00:00 / 01:37
连播
清屏
智能
倍速
点赞3
00:00 / 02:05
连播
清屏
智能
倍速
点赞7
00:00 / 16:07
连播
清屏
智能
倍速
点赞2
00:00 / 02:22
连播
清屏
智能
倍速
点赞19
00:00 / 01:34
连播
清屏
智能
倍速
点赞12
00:00 / 02:06
连播
清屏
智能
倍速
点赞418
免疫浸润分析|用CIBERSORT评估肿瘤微环境 肿瘤组织不是只有癌细胞,里面还混着各种免疫细胞、成纤维细胞等。免疫细胞浸润比例与患者预后、药物响应密切相关。今天教你用CIBERSORT算法,从基因表达数据反推22种免疫细胞的相对含量。 🧬 核心原理 利用已知的免疫细胞特征基因矩阵(LM22),结合你的转录组数据(推荐用FPKM或TPM,不要用counts),通过反卷积计算每种免疫细胞的占比。 🔧 实操步骤(R代码) 1️⃣ 数据准备 表达矩阵:行=基因名,列=样本,需未log2处理的FPKM值 注释文件:将Ensembl ID转为基因名,去重取平均值 只保留蛋白编码基因 2️⃣ 分组设置(本例以RRM2基因为例) 提取肿瘤样本中RRM2的表达量 按中位数分为高表达组和低表达组 逆log2还原原始表达值(因为下载的UCSC数据已log2化) 3️⃣ 运行CIBERSORT 需要三个文件放在同一目录:CIBERSORT.R、LM22.txt、你的表达矩阵 运行后得到22种免疫细胞在每个样本中的占比矩阵(最后几列是p值等,可删除) 4️⃣ 可视化 堆叠柱状图:所有样本的免疫细胞组成(样本多时很乱,建议只做展示) 箱线图:将高表达组和低表达组的免疫细胞占比分开对比,添加显著性星号(p<0.05,p<0.01,p<0.001,ns=不显著) 📊 结果解读 箱线图横轴=免疫细胞类型,纵轴=占比,不同颜色代表高/低表达组 星号越多,说明该免疫细胞在两组间的差异越显著 例如:T细胞在高表达组占比更高,提示该基因可能促进T细胞浸润 ⚠️ 常见坑点 表达矩阵不要log2化,CIBERSORT内部会自己处理 基因名必须与LM22中的基因名完全一致(大小写、有无点号) 样本量太少(<10)时结果不可靠 堆叠柱状图样本多时建议只展示部分或改用热图 📌 一句话总结 CIBERSORT是肿瘤免疫浸润分析的经典工具,配合箱线图能直观对比不同分组间的免疫细胞差异。@DOU+小助手 #生信分析 #动物实验 #细胞实验 #实验室日常 #科研狗的日常
00:00 / 11:09
连播
清屏
智能
倍速
点赞40