数据挖掘任务-根据前面教程复现ssGSEA热图

在前面的学徒实习生数据挖掘任务列表：纯R代码实现ssGSEA算法评估肿瘤免疫浸润程度 信息描述了如何下载基因集，然后使用GSVA包进行ssGSEA分析后可视化，为了考验大家学习效果，我们布置一个新的图表复现：

来自于文章：Multi-omics profiling reveals distinct microenvironment characterization and suggests immune escape mechanisms of triple-negative breast cancer 里面提到了数据：

The sequencing data is also available in GSE118527 (OncoScan), GSE76250 (HTA 2.0) and SRP157974  (WES and RNAseq)

主要是使用RNA-seq和HTA2.0芯片的表达数据，根据ssGSEA的结果对样本进行分组，然后讲故事这样的分组的意义。

TNBC分型历史

看到很多媒体宣传最难治的乳腺癌有望获得分类治疗，但是其实TNBC分子分型的研究不少了，复旦大学邵志敏团队2019发表的这个中国人TNBC队列既不是第一个，也不会是最后一个。

• 首先是2011的meta分析，把TNBC分成6类：Basal-like 1 (BL1), basal-like 2 (BL2), immunomodulatory (IM), mesenchymal (M), mesenchymal stem-like (MSL) and luminal androgen receptor (LAR)

• 然后同样的作者2016年在plos one 发文重新修订了 之前的分类，变成4类：(TNBCtype-4) tumor-specific subtypes (BL1, BL2, M and LAR)

• 发表在Clin Cancer Res 2015 ，贝勒医学院研究小组的 Burstein  等人对自己的数据，198个TNBC病人芯片表达矩阵，使用80个核心基因进行分组，得到4个TNBC的亚型。

• 发表在 Breast Cancer Research (2015) ：Gene-expression molecular subtyping of triple-negative breast cancer tumours: importance of immune response，数据在 GSE58812,  法国研究团队的等人使用 适应性的Fuzzy-clustering 把107个TNBC 患者分成3类。

使用ssGSEA算法对CIBERSORT的免疫基因集进行分析

本文使用的数据在 GSE76250 可以下载，分析流程如下：

ssGSEA算法对CIBERSORT的免疫基因集进行分析后的热图展现如下：

此热图就是需要重现的图表！

另外一个选择

发表在：Nat Commun. 2019 Apr，是中国肺癌研究领域比较出名的吴一龙课题组文章图表：

使用ssGSEA算法计算26 immune cell types比例

这26个基因集来源于文章 Immunity. 2013 Oct ， 分类如下；

• 11个是adaptive immunity

• 12个是 for innate immunity

• 3个是 for MDSC，angiogenesis, and antigen presentation machinery

使用GSVA包的ssGSEA算法，对z-score后的RNA-seq表达矩阵进行分析。有趣的是作者提供了RPKM矩阵哦，The RNA-seq FPKM data have been deposited at figshare (https://doi.org/10.6084/m9.figshare.7306364.v1).  所以理论上可以重现作者的分析。

可以把病人分成3组不同的免疫状态，主要是看 IFNG, PD-L1, PD-1, and CD8 基因的表达

继续看

这里作者使用NBclust分类，可以把病人队列划分为3个类群。

分型具有生存效果

RNA-seq和HTA2.0芯片的表达数据的比较

这里使用ComBat算法抹去两个平台的差异

在TNBC队列验证

同样也是分成3类：

在METABRIC队列验证

也可以区分成为3类，图片在文章里面的附件！

附件图片

• Supplementary Figure 1. Workflow of our research.

• Supplementary Figure 2. Estimation of the optimal clustering numbers of triple-negative breast cancer microenvironment phenotypes.

• Supplementary Figure 3. Validation of microenvironment phenotypes clustering in METABRIC cohort.

• Supplementary Figure 4. Validation of microenvironment phenotypes clustering in TCGA cohort.

• Supplementary Figure 5. Comparison of potential molecules involved in the initiation of innate immunity among microenvironment clusters in FUSCCTNBC cohort.

• Supplementary Figure 6. SNV and indel neoantigen load of the three microenvironment clusters in triple-negative breast cancer.

• Supplementary Figure 7. Chromosome instability of the three microenvironment clusters in triple-negative breast cancer.

• Supplementary Figure 8. Cancer testis antigen landscape of triple-negative breast cancer.

• Supplementary Figure 9. Gene set enrichment analysis of enriched pathways in each cluster.

• Supplementary Figure 10. Batch effect evaluation after 'Combat' of RNA-seq and HTA microarray datasets.

• Supplementary Figure 11. Process and validation of mRNA clustering.

附件表格

• Supplementary Table 1. The compendium of microenvironment cell subtypes in triple-negative breast cancer.

• Supplementary Table 2. Correlation of estimated microenvironment cell numbers between our compendium and CIBERSORT or MCP-counter.

• Supplementary Table 3. Clinicopathological characteristics of three microenvironment phenotypes in FUSCC, METABRIC and TCGA cohort.

• Supplementary Table 4. Prognostic value of each cell subset by univariate Cox proportional hazards model for relapse free survival.

• Supplementary Table 5. The signatures of ten oncogenic pathways.

• Supplementary Table 6. Comparison of gene mutation frequency among clusters.

• Supplementary Table 7. Comparison of somatic copy number alterations among clusters.

• Supplementary Table 8. GO and KEGG annotation of genes in cluster-specific copy number variation peaks.

后记：

两个ssGSEA对免疫基因集的分析后的热图，任君选择！

■   ■   ■