打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
单细胞转录组得到的基因集如何看生存效果呢?(不妨试试看GSVA)

最近重新看发表于:Cell. 2018 May   :Chemoresistance Evolution in Triple-Negative Breast Cancer Delineated by Single-Cell Sequencing. 有一个附件图表很有趣,值得学徒学习。

使用单细胞多组学探索TNBC病人的新辅助化疗疗效

根据作者的单细胞研究,找到了化疗耐药相关通路, The gene signatures associated with chemore- sistance included EMT, CDH1 targets, AKT1 signaling, hypoxia, angiogenesis, and ECM degradation.

所以就可以挖掘公共数据库,对指定的6个基因集,在表达矩阵里面计算GSVA值,然后把病人分组看生存差异。

首先需要拿到基因集

图中的6个基因集, EMT, CDH1 targets, AKT1 signaling, hypoxia, angiogenesis, and ECM degradation 在中文有描述:

不过,看这么多文献不现实,有一个简单的方法,就是去查询msigdb数据库,通常都是有的。

http://software.broadinstitute.org/gsea/msigdb/index.jsp

http://software.broadinstitute.org/gsea/downloads.jsp

基本上都是在 h.all.v6.2.symbols.gmt ,拿到的基因集如下:

HALLMARK_HYPOXIA    http://www.broadinstitute.org/gsea/msigdb/cards/HALLMARK_HYPOXIA     
HALLMARK_EPITHELIAL_MESENCHYMAL_TRANSITION
HALLMARK_ANGIOGENESIS    http://www.broadinstitute.org/gsea/msigdb/cards/HALLMARK_ANGIOGENESIS    
HALLMARK_PI3K_AKT_MTOR_SIGNALING         

Gene Set: BIOCARTA_ECM_PATHWAY

最后一个基因集,比较曲折,需要看文献:Loss of E-cadherin promotes metastasis via multiple downstream transcriptional pathways

然后下载METABRIC表达矩阵

在我GitHub有详细教程:https://github.com/jmzeng1314/METABRIC

需要注意的是这里要挑选病人,with gene expression data and long-term clinical follow-up data to
determine if any of the chemoresistance-associated signatures correlated with patient survival.

接着使用GSVA算法在METEBRIC数据集计算

同样是在我GitHub有详细教程:https://github.com/jmzeng1314/GEO

最后生存分析

很简单的代码了咯,需要注意的是:apply家族函数和for循环还是有区别的(批量生存分析出图bug)参考:https://mp.weixin.qq.com/s/efI8U2lb3UfMwLp94iqw1Q

本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
【热】打开小程序,算一算2024你的财运
跟着Cell学单细胞转录组分析(十一):单细胞基因评分|AUCell评分
单细胞转录组高级分析五:GSEA与GSVA分析
GSVA分析
又是神器!基于单基因批量相关性分析的GSEA
enrichGSEA
GSVA可以理解为pathway级别的差异分析
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服