两分钟完成从数据下载到免疫浸润ssGSEA分析

今天小果分享一下免疫浸润ssGESA分析，从数据下载到分析，代码如下：

1. 安装需要的R包

install.packages(“ggplot2”)

Install.packages(“tidyverse”)

install.packages(“GSVA”)

install.packages(“pheatmap”)

1. 载入需要的R包

library(ggplot2)

library(tidyverse)

library(GSVA)

library(pheatmap)

1. 数据下载

在Xena数据库下载表达矩阵和ID对应表格

#表达矩阵下载

wget https://gdc-hub.s3.us-east-1.amazonaws.com/download/TCGA-KIRC.htseq_fpkm.tsv.gz

#基因ID转化列表

wget https://gdc-hub.s3.us-east-1.amazonaws.com/download/gencode.v22.annotation.gene.probeMap

1. 代码展示

#基因ID转换

expr<-read.table(“TCGA-KIRC.tsv”,header=T,sep=”\t”,row.names=1)

geneann<-read.table(“gencode.v22.annotation.gene.probeMap”,header=T,sep=”\t”,row.names=1)

expr$gsym <- geneann[rownames(expr),]$gene

expr<-distinct(expr,gsym,.keep_all=T)

row.names(expr)<-expr$gsym

expr<-slect(expr,-gsym)

write.table(expr,”TCGA-KIRC-expr.txt”,col.names=T,row.names=T,sep=”\t”)

#ssGSEA分析

exp<-read.table(“TCGA-KIRC-expr.txt”,header=T,row.names=1,sep=”\t”)

geneset<-read.table(“genelist.txt”,header=T,sep=”\t”)

构建免疫细胞Marker基因集：

geneset2 <- split(geneset$Metagene,geneset$Cell.type)

#ssGSEA：

res <- gsva(as.matrix(exp),

geneset2,

method = “ssgsea”,

kcdf = “Gaussian”,

mx.diff = F,

verbose = F)

#给热图添加样本注释信息：

group_list <- ifelse(str_sub(colnames(res),14,15) < 10,”tumor”,”normal”)

annotation <- data.frame(group_list)

rownames(annotation) <- colnames(res)

pheatmap(res,

show_colnames = F,

annotation_col = annotation,

fontsize = 10，

filename=”ssGSEA.pdf”)

今天小果的分享就到这里，有需要的可以借鉴学习。