研究免疫浸润的神器TIMER更新，新增功能更强大

TIMER2.0 for analysis of tumor-infiltrating immune cells11.501Nucleic Acids Res . 2020 Jul 2;48(W1):W509-W514. doi: 10.1093/nar/gkaa407.

Tumor progression and the efficacy of immunotherapy are strongly influenced by the composition and abundance of immune cells in the tumor microenvironment. Due to the limitations of direct measurement methods, computational algorithms are often used to infer immune cell composition from bulk tumor transcriptome profiles. These estimated tumor immune infiltrate populations have been associated with genomic and transcriptomic changes in the tumors, providing insight into tumor-immune interactions. However, such investigations on large-scale public data remain challenging. To lower the barriers for the analysis of complex tumor-immune interactions, we significantly improved our previous web platform TIMER. Instead of just using one algorithm, TIMER2.0 (http://timer.cistrome.org/) provides more robust estimation of immune infiltration levels for The Cancer Genome Atlas (TCGA) or user-provided tumor profiles using six state-of-the-art algorithms. TIMER2.0 provides four modules for investigating the associations between immune infiltrates and genetic or clinical features, and four modules for exploring cancer-related associations in the TCGA cohorts. Each module can generate a functional heatmap table, enabling the user to easily identify significant associations in multiple cancer types simultaneously. Overall, the TIMER2.0 web server provides comprehensive analysis and visualization functions of tumor infiltrating immune cells.

TIMER是交互式web工具，能够全面、灵活地分析肿瘤浸润免疫细胞并可视化，采用反褶积方法从TCGA中不同癌症类型样本的基因表达谱中推断肿瘤浸润免疫细胞（B细胞、CD4+T细胞、CD8+T细胞、巨噬细胞、中性粒细胞和树突状细胞）的丰度。
如今，TIMER升级到了TIMER2.0版本(http://timer.cistrome.org/)。主要包含Immune，Exploration， Estimation三个方面。


Part1：Immune

1.1 Gene--免疫浸润与基因表达之间的相关性

提交感兴趣的基因和免疫细胞类型后，结果图表中会将展示各种癌症类型中该基因和免疫细胞类型的spearman相关性的热图，并且点击相关感兴趣的单元格还可以展示出相关的散点图。


1.2 Mutation--免疫浸润与突变状态之间的相关性
在输入感兴趣的基因后，右侧会先采用条形图展示该基因在各个癌症类型的基因突变频率。再选择免疫细胞类型后，结果图表中展示输入基因突变的癌症与没有突变的癌症之间的免疫浸润水平的对数倍变化的热图，并且点击相关感兴趣的单元格还可以展示出在突变体与野生型中免疫浸润分布的小提琴图。


1.3 sCNA--免疫浸润与体细胞CNV之间的相关性
输入感兴趣的基因后，右侧会先采用堆积条形图展示该基因在所有癌症类型中的不同sCNA状态的相对比例。再选择免疫细胞类型和改变状态（深度缺失或高扩增）后，结果图表中展示不同sCNA状态下的免疫浸润分布的差别。



1.4 Outcome--免疫浸润与临床结果之间的相关性
输入感兴趣的免疫细胞类型、临床信息和基因，TIMER将进行cox回归分析，图表中展示每个模型的标准化浸润系数，点击每个单元格都对应一个独立的Cox模型。


Part2：Exploration
2.1 Gene_DE--癌症与正常人之间的差异基因表达
输入感兴趣的基因，识别在各个癌症类型中正常组织和癌症组织的差异表达基因。


2.2 Gene_Outcome--基因表达与临床结果之间的关联
输入感兴趣的基因和临床信息，图表中展示使用Cox比例风险模型评估各肿瘤类型之间基因表达的临床相关性，点击每个单元格都对应一个独立的Cox模型和基因的KM曲线。

2.3 Gene_Mutation--基因突变状态之间的差异基因表达
输入感兴趣的突变基因和基因（基因集），结果图表显示每种肿瘤类型中每个基因差异表达的变化，点击每个单元格对应该基因在野生/突变型基因的差异表达水平的小提琴图。


2.4 Gene_Corr--基因之间的相关性
输入感兴趣的基因和基因集，结果图表显示每种肿瘤类型中基因间的spearman相关性，点击每个单元格对应两基因相关性的散点图。

Part3：Estimation
该功能模块用于对用户提供的表达数据进行免疫浸润评估，需要输入表达谱矩阵，选择物种及癌症类型。结果图表分别显示免疫细胞在各样本中的丰度值、样本间的免疫细胞浸润水平和每个样本中免疫细胞比例。

这么易操作的TIMER2.0还不赶快使用起来~

转自生信人

分享