分享一个R包——免疫浸润xCell

xCell由dviraran团队于2017年开发，原文题目为：xCell: digitally portraying the tissue cellularheterogeneity landscape

超过200次引用：

该方法通过反褶积整合了基因富集分析的优势，可以评估64种细胞类型，涉及多个适应性和先天免疫细胞、造血祖细胞、上皮细胞和细胞外基质细胞，其中包括48种肿瘤微环境相关细胞。

该方法适用于基因表达谱和传统RNA-seq数据，但不包括单细胞数据（推荐singleR，同样由该团队开发）。

R代码存于github，网址为https://github.com/dviraran/xCell，代码如下：









rm(list = ls())options( repos<- c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))options("BioC_mirror"<- "https://mirrors.ustc.edu.cn/bioc/")options(stringsAsFactors = F)Sys.setlocale("LC_ALL","English")devtools::install_github('dviraran/xCell')

我们以GSE76275为例试一下这个包：

要求输入行为基因名，列为样本。

代码很简单






library(xCell)load("finalSet.Rdata")xCell<- xCellAnalysis(exprSet) ## 如果是RNA-seq数据，则xCell_RNAseq<- xCellAnalysis(exprSet,rnaseq = T)

该包vignette也提供了参考代码

评估了sdy311和sdy420两个数据集的免疫浸润情况：










































### Data gathering sdy311 <- readRDS("xCell-master/vignettes/sdy311.rds") sdy311_expr <- sdy311$expr sdy311_fcs <- sdy311$fcs dim(sdy311_expr) dim(sdy311_fcs) sdy420 <- readRDS("xCell-master/vignettes/sdy420.rds") sdy420_expr <- sdy420$expr sdy420_fcs <- sdy420$fcs### Generating xCell scores get.xCell.scores = function(sdy){   raw.scores = rawEnrichmentAnalysis(as.matrix(sdy$expr),                                      xCell.data$signatures,                                      xCell.data$genes)   colnames(raw.scores) = gsub("\\.1","",colnames(raw.scores))   raw.scores = aggregate(t(raw.scores)~colnames(raw.scores),FUN=mean)   rownames(raw.scores) = raw.scores[,1]   raw.scores = raw.scores[,-1]   raw.scores = t(raw.scores)   cell.types = rownames(sdy$fcs)   cell.types.use = intersect(rownames(raw.scores),rownames(sdy$fcs))   transformed.scores = transformScores(raw.scores[cell.types.use,],xCell.data$spill.array$fv)   scores = spillOver(transformed.scores,xCell.data$spill.array$K)#s = y   A = intersect(colnames(sdy$fcs),colnames(scores))   scores = scores[,A]   scores } library(xCell) sdy311$fcs= sdy311$fcs[,-which(colnames(sdy311$fcs) %in% c("SUB134240","SUB134283"))] scores311 = get.xCell.scores(sdy311) scores420 = get.xCell.scores(sdy420)

计算了xCell评分和免疫分析的相关性



















### Correlating xCell scores and CyTOF immunoprofilings library(psych) library(ggplot2) correlateScoresFCS = function(scores,fcs,tit){   fcs = fcs[rownames(scores),colnames(scores)]   res = corr.test(t(scores),t(fcs),adjust='none')   df = data.frame(R=diag(res$r),p.value=diag(res$p),Cell.Types=rownames(res$r))   ggplot(df)+geom_col(aes(y=df$R,x=Cell.Types,fill=p.value<0.05))+theme_classic()+     theme(axis.text.x = element_text(angle = 45, hjust = 1))+     ylab('Pearson R')+ggtitle(tit) } correlateScoresFCS(scores311,sdy311$fcs,'SDY311') correlateScoresFCS(scores420,sdy420$fcs,'SDY420')


同样地，作者提供了xCell网页版工具，网址为：http://xcell.ucsf.edu/

通过上传表达数据，会在你的邮箱里收到分析结果。

还提供了可视化分析结果的网页工具，网址为http://comphealth.ucsf.edu/xCellView/，不过貌似用不了

分享