2024-06-16

「付费」【代码-10】只需三分钟学会，利用xCell进行免疫浸润分析

原创小果生信果 2023-10-25 19:00:20

收录于话题

今天小果继续为大家分享免疫浸润分析的另一种分析方法-xCell

小果首先利用xCell进行免疫浸润分析，然后利用xCell分析结果跟感兴趣基因集表达矩阵进行相关性分析，绘制相关性热图，批量筛选出影响免疫浸润的候选基因，小果觉得这是一个非常值得学习的分析内容，强烈安利给小伙伴，接下来马上跟着小果开始今天的学习吧！小果已经迫不及待想开始今天的分享啦！哈哈。。。。

xcell包简介

在进行分析之前，小果首先为小伙伴简单介绍一下该包的功能和使用方法。xCell是基于ssGSEA的方法，可根据64种免疫细胞和基质细胞类型的基因表达数据进行细胞类型富集分析，Xcell的输入文件是来自人类混合样本的基因表达矩阵，如果基因表达数据来自微阵列，就不需要标准化。该方法适用于基因表达谱和RNA-seq数据，但不使用于单细胞数据。小果为大家附上xCell包的网址:https://github.com/dviraran/xCell,有深入学习了解的小伙伴可以自行前往学习哈！

安装需要的R包

install.packages("ggplot2")install.packages("tidyverse")install.packages("reshape2")install.packages("corrplot")install.packages("devtools")library(devtools)devtools::install_github('dviraran/xCell')

载入需要的R包

library(tidyverse)library(ggplot2)library(reshape2)library(corrplot)library(xCell)

结果文件展示

1. xCell.txt

该结果文件为计算的所有样本的64种免疫细胞的含量，行名为不同的免疫细胞类型，列名为样本名。

2. correlation.pdf

该结果图片为64种免疫细胞与目标基因集的相关性热图，横坐标表示基因名，纵坐标表示免疫细胞类型，用颜色来表示相关系数大小，星号来表示pvalue值，不同星号表示不同的pvalue值范围。1个星号表示pvalue值小于0.05大于0.01，两个星号表示pvalue值小于0.01，通过该热图可以很迅速的筛选出感兴趣的目标基因集中，那些基因对免疫浸润的影响大，最终筛选出候选基因。