复现生信论文36.免疫浸润分析
生信论文的套路
- ONCOMINE从全景、亚型两个维度做表达差异分析；
- 临床标本从蛋白水平确认（或HPA数据库），很重要；
- Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
- cBio-portal数据库做基因组学的分析（机制一）；
- STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；
- TISIDB/TIMER分析肿瘤免疫特征（机制三）。
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。
第一部分，差异分析，已经复现。
第二部分，临床意义，已经复现。
第三部分，免疫浸润（TIMER数据库），复现如下。
免疫浸润结果分析是生信分析的难点之一，也是果友们沟通交流最多的地方，因为免疫学涉及的内容原理性强，需要理解和积累。我们重点介绍本次重点分析TIMER数据库的使用。
在差异分析和临床意义部分的基础上，作者进行免疫浸润分析。前面的差异分析和临床意义是做筛选，筛选后的免疫浸润分析，是升华。TIMER旧版本是按照类型逐个列出，分7个模块，其中前6个模块是对TCGA数据库的分析展示，第7个模块是对免疫细胞浸润比例进行评估，需要上传数据。在生信论文36实际分析过程中，主要用Gene module（基因表达与免疫浸润细胞丰度的关系），Diff Exp（转录水平的差异分析）和Correlation（基因表达与基因表达的相关性）。
TIMER2.0版本则将分析内容归类，分为免疫关联（immune association)、肿瘤探究（cancer exploration)和免疫评估（immune estimation)。TIMER2.0数据更全面，结果多以热图形式展示，对于免疫浸润分析，反而不如旧版本直观。
-----------复现-----------
登陆TIMER网站，在基因模块，数据基因名称和肿瘤类型，基因只能输入一个，但肿瘤类型可以输入多个。
然后点击submit，生成图片如下。因数据库有更新，所以目前得出的分析结果跟论文展示的数据稍有差别，但是整体趋势，包括相关性和p值等基本一致。
相关性模块，可以对肿瘤中两种基因表达的相关性做分析。我们可以根据作者提供的相应免疫细胞的maker，去做兴趣基因与这些分子表达的相关性。
在相关性模块下，选择肿瘤类型，输入基因名称，待分析的基因，并选择相关性矫正选项（None或者Tumor purity)。
在None，无矫正的条件下，得出cor数值和p值。
在tumor purity矫正的条件下，得出cor数值和p值。
利用word表格形式，编辑相关性分析的结果（数据太多，PPT放不开）。
在相关性分析模块，输入基因名称和免疫细胞的maker（以单核细胞为例，CD86和CSF1R）。
点击submit即可。
然后依次做分析，最后在PPT里面编辑。即可得到类似的结果图。
至于最后用GEPIA数据库的相关性分析功能，确认LAYN基因表达与免疫细胞分子标记表达的相关性，这是一种非常好的数据库结合分析，属于双确认。
这样，关于生信论文36的复现就全部完成了。
