TCIA数据库 : 不认识我？我哥是TCGA！

肿瘤免疫疗法在多种恶性肿瘤的临床治疗上取得了显著效果，然而还是存在大部分患者对于免疫疗法没有响应的问题。为了更好的理解肿瘤和免疫细胞相互作用，科学家对来自TCGA和其他几个大型肿瘤研究项目，共20种实体瘤的NGS数据进行分析。TCIA研究发表在Cell Rep（1区，IF9.423分）上：

Cell Rep. 2017 Jan 3;18(1):248-262.

doi: 10.1016/j.celrep.2016.12.019.

肿瘤数据库TCGA想必不用多说，大家都很熟悉。TCIA（The Cancer Immunome Atlas，肿瘤免疫图谱数据库），看着TCGA只差一个字母，顾名思义也是一个肿瘤相关的数据库。但是呢TCIA确实是基于TCGA数据库开发的，不同的是TCIA只提供了20个癌种的免疫数据分析。

网址：https://tcia.at/home

数据库中包含的20种肿瘤，我们可以点击每种肿瘤对应的柱状图，就可以查看对应癌种的数据啦。本文下面的内容主要以BRCA乳腺癌为例进行分析（包含1098个case）。

工作原理

(A) 显示了免疫基因组分析和用于分析的数据类型。结果保存在可通过网络访问的数据库中，即癌症免疫组图谱 (TCIA) ( https://tcia.at/ )。

(B) 免疫相关特征来自免疫细胞、正常细胞和癌细胞系的表达谱，并用于 TCGA RNA 测序数据的基因集富集分析 (GSEA)。

1.Patients list模块

TCIA提供并支持下载每个患者的ID、疾病类型、性别、年龄和IPS等信息。

免疫浸润的细胞特征表明肿瘤基因型决定了免疫表型和肿瘤逃逸机制。开发者使用机器学习，开发了一种称为免疫表观评分的量化评分方案：IPS（immunophenoscore），是对抗细胞毒性 T 淋巴细胞抗原 4 (CTLA-4) 和抗程序性细胞死亡蛋白 1 (anti-PD-1) 抗体反应的更好预测指标。

学以致用：

在2021年10月发表的一篇7分+的纯生信文章中，作者分析左半结肠癌（LCC）和右半结肠癌（RCC）具有独特的分子特征和临床异质性，旨在确定LCC和RCC的免疫细胞浸润（ICI）亚型以评估其预后和治疗效果。

研究过程中，作者便从TCIA数据库下载了结肠癌患者的免疫表型评分(IPS)

思维发散：

肿瘤分型文章比较重要的结论就是分型后构建的模型能够预测免疫治疗疗效。

我们可以通过使用不同的数据集或者使用不同的基因集进行分型，以确保得到的结果与免疫治疗疗效相关。如果想做类似的分析，可以研读一下这篇文章哦~

2.Gene Expression模块

在左侧的选择栏里可以自定义筛选病人和基因，Gene Expression板块可对单个基因进行差异分析和生存分析，主要提供三个方面的信息：

1. gene expression boxplots
2. gene expression heatmaps
3. survival analysis

Boxplot: expression of a single gene within selected patients.;Heatmap: average expression of genes within selected patients.;Kaplan-Meier curve: overall survival based on expression of a selected gene.

3.Cell types Fractions模块

TCIA数据库这个模块用来展示不同免疫细胞比例，其中的28种免疫细胞比例计算的基因集本质上是使用CIBERSORT算法，对TCGA数据库的RNA-seq数据。其中这28 subpopulations of TILs可以分成2大类：

• adaptive immunity: activated T cells, central memory (Tcm), effector memory (Tem) CD4+ and CD8+ T cells, gamma delta T (Tγδ) cells, T helper 1 (Th1) cells, Th2 cells, Th17 cells, regulatory T cells (Treg), follicular helper T cells (Tfh), activated, immature, and memory B cells
• innate immunity：macrophages, monocytes, mast cells, eosinophils, neutrophils, activated, plasmacytoid, and immature dendritic cells (DCs), NK cells, natural killer T (NKT) cells, and MDSCs.

使用qyanTIseq和Cibersort两款软件分析肿瘤患者的免疫细胞组分，结果示意如下：

4.GSEA模块

TCIA数据库这个模块用来展示各免疫细胞在某种癌种中的富集百分比。图中圈的面积越大富集程度越大。

5.Heterogeneity

TCIA数据库这个模块对每个样本的癌症抗原和遗传特征进行了分析，包括肿瘤异质性和克隆性，以方便分析免疫特征和肿瘤的遗传特征。结果示意图如下：

6.Neoantigens模块

TCIA数据库这个模块用来提供疾病的突变数和突变压力展示，也可以分析预测到的新抗原。结果示意如下：

小结：

TCIA数据库提供来自TCGA和其他数据源的20种实体肿瘤NGS数据的全面免疫基因组分析结果，我们可以进行基因表达与生存分析的关联分析，还可以进行免疫细胞浸润分析、新抗原预测，同时提供的IPS计算也可给大家的NGS数据分析锦上添花。