学习一个R包——免疫浸润MCP-counter

这是“学习一个R包系列”第三篇文章

往期见：

学习一个R包——免疫浸润ABIS

学习一个R包——免疫浸润xCell

MCP-counter(Microenvironment Cell Populations-counter)包由Becht团队于2016年开发，原文题目为：Estimating the population abundance of tissue-infiltrating immune and stromal cell populations using gene expression

这是个很常用的包，在我们公众号中多次提到，目前已经被引用200+次。

本包可以利用转录组数据量化异质组织中8个免疫细胞和2个基质细胞的绝对丰度。作者在后续的答疑中说明，转录组数据必须归一化。该包放在了github上，网址为：https://github.com/ebecht/MCPcounter

 rm(list = ls())
 ##更改镜像
 options(repos<- c(CRAN='https://mirrors.tuna.tsinghua.edu.cn/CRAN/') )
 options('BioC_mirror'<- 'https://mirrors.ustc.edu.cn/bioc/')
 
 install.packages(c('devtools','curl')) ##Installs devtools and the MCPcounter dependancy 'curl'
 library(devtools)
 install_github('ebecht/MCPcounter',ref='master', subdir='Source')
 ##加载包
 library(MCPcounter)
 ## 看一下说明书
 ?MCPcounter.estimate
 ## 跑一下示例代码
 MCPcounter.estimate <- MCPcounter.estimate(
 MCPcounterExampleData,
 featuresType=c('affy133P2_probesets','HUGO_symbols','ENTREZ_ID')[1],           probesets=read.table(curl('http://raw.githubusercontent.com/ebecht/MCPcounter/master/Signatures/probesets.txt'),sep='\t',stringsAsFactors=FALSE,colClasses='character'),
 genes=read.table(curl('http://raw.githubusercontent.com/ebecht/MCPcounter/master/Signatures/genes.txt'),sep='\t',stringsAsFactors=FALSE,header=TRUE,colClasses='character',check.names=FALSE)
 )

可以看到需要4个参数，MCPcounterExampleData是转录组数据，featuresType是确认转录组数据基因名的类型，可'affy133P2_probesets'，'HUGO_symbols'和'ENTREZ_ID'，实际使用中probesets和genes可以不加。

我们来试一下TCGA的数据

 library(MCPcounter)
 estimate <- MCPcounter.estimate(exprSet, featurestype=c('affy133P2_probesets','HUGO_symbols','ENTREZ_ID')[2])

可以看到计算了8个免疫细胞丰度，CD3+ T cells, CD8+ T cells, cytotoxic lymphocytes, NK cells, B lymphocytes, cells originating from monocytes (monocytic lineage), myeloid dendritic cells, neutrophils, 以及2个基质细胞，endothelial cells 和fibroblasts。分数的高低可以显示其在免疫微环境中的浸润程度。不过注意，细胞之间的丰度不可互相比较。

画一下热图，清晰明