查看原文
其他

纯R代码实现ssGSEA算法评估肿瘤免疫浸润程度

Juan_NF 生信菜鸟团 2022-06-06
前些天在生信技能树公众号群主说从学徒的作业学到了知识,就是我,详情如下:
神技能-自动化批量从PDF里面提取表格
这其实是一个非常棒的作业,不仅仅是PDF提取基因列表这样的奇淫巧技,更多知识点等你来学!

Goals:

  • 文献为《Local mutational diversity drives intratumoral
    immune heterogeneity in non-small cell lung cancer》

  • 要复现的图片

Clues:

a.主要是两个操作:ssGSEA和ggplot(点图+cor.test结果呈现);
b.大家看问题角度不同,其实会比较有趣,比如,用R包提取pdf的做法(`因为我当时比较有时间,所以就不断地折腾,其实时间不够的话,我会复制粘贴到excel中再读进去`);比如,我的代码被不断说‘太丑’(`还好有把参照的其他代码放进去,那你说丑就丑吧;不过,其实操作能有最简单的函数实现,我就不给自己本来就不大的脑容量找麻烦了`);
c.对我来说,需要考虑的地方有两点,(1)如果你读了文章的话,会看到,绘制热图有提到`nomalized to 0-1`,后面搜索之后,才有了normalize那个function;(2)`duplicated gene_name的过滤`,要依据一定的规则会比较好,网上没有查到相关的有让我信服的推荐,后来,采用了jimmy的median排序进行操作(`算是没有标准的标准`);这里需要了解,GSVA函数里的两个输入,data和gene_set,既然,gene_set是gene-name,data指定需要是gene-name为主体;

Steps:

1.从supplementarytable中将数据集读出来,这个在文章中有提到

虽然我不咋想承认,但故事总得圆圆满满,请点击获取这部分漂亮的代码

rm(list=ls())
library(pdftools)
options(stringsAsFactors = F)
b <- pdf_text('SupplementaryTables.pdf')
geneset_substract<- function(tmp){split_to_line<- gsub('\r','',strsplit(tmp,split = '\n')[[1]])
              gene_name<- apply(data.frame(split_to_line),1,function(x){ line<- strsplit(x,split=' ')[[1]]
                                                   pos<- grep('[A-Za-z\\d+]|\\d+',line)
                                                   res <- line[pos[1]]})
              cell_type<- apply(data.frame(split_to_line),1,function(x){ line<- strsplit(x,split=' ')[[1]]
                                                           pos<- grep('[A-Za-z\\d+]|\\d+',line)
                                                           res <- line[pos]
                                                           res <- res[c(-1,-length(res))]
                                                           s <- ''
                                                           for (i in 1:length(res)){
                                                             s<- paste(s,res[i])}
                                                           return(s)})
              result<- data.frame(gene_name,cell_type)
              return(result)
              }
gene_set <- data.frame()
for(i in 20:36){
  gene_set<- rbind(gene_set,geneset_substract(b[i]))
}
gene_set <- gene_set[c(-1,-2),]
list <- list()
for(i in 1:length(unique(gene_set$cell_type))){
  list[[i]] <- gene_set$gene_name[gene_set$cell_type== (unique(gene_set$cell_type)[i])]
}
names(list)<- unique(gene_set$cell_type)
save(list,file='gene_set.Rdata')
2.提取矩阵和表型信息,需要手动从GEO下载,试了就知道为啥(如果试了不知道为啥,就留言);进行ssGSEA分析,只是用到了处理后的矩阵和基因集两个内容;对score结果归一化后进行热图绘制;
rm(list=ls())
###矩阵信息提取
a <- read.table('GSE112996_merged_fpkm_table.txt.gz',
                header = T,
                row.names=1)
raw_data<- a[,-1]
###表型信息提取
pheno <- read.csv(file = 'GSE112996_series_matrix.txt')
pheno <- data.frame(num1 = strsplit(as.character(pheno[42,]),split='\t')[[1]][-1],
                    num2 = gsub('patient: No.','P',strsplit(as.character(pheno[51,]),split='\t')[[1]][-1]))
####数据过滤
data<- a[!apply(raw_data,1,sum)==0,]
####去除重复基因名的行,归一化
data$median=apply(data[,-1],1,median)
data=data[order(data$GeneName,data$median,decreasing = T),]
data=data[!duplicated(data$GeneName),]
rownames(data)=data$GeneName
uni_matrix <- data[,grep('\\d+',colnames(data))]
uni_matrix <- log2(uni_matrix+1)
colnames(uni_matrix)<- gsub('X','',gsub('\\.','\\-',colnames(uni_matrix)))
uni_matrix<- uni_matrix[,order(colnames(uni_matrix))]
library(genefilter)
library(GSVA)
library(Biobase)
load('gene_set.Rdata')
gsva_matrix<- gsva(as.matrix(uni_matrix), list,method='ssgsea',kcdf='Gaussian',abs.ranking=TRUE)
library(pheatmap)
gsva_matrix1<- t(scale(t(gsva_matrix)))
gsva_matrix1[gsva_matrix1< -2] <- -2
gsva_matrix1[gsva_matrix1>2] <- 2
anti_tumor <- c('Activated CD4 T cell''Activated CD8 T cell''Central memory CD4 T cell''Central memory CD8 T cell''Effector memeory CD4 T cell''Effector memeory CD8 T cell''Type 1 T helper cell''Type 17 T helper cell''Activated dendritic cell''CD56bright natural killer cell''Natural killer cell''Natural killer T cell')
pro_tumor <- c('Regulatory T cell''Type 2 T helper cell''CD56dim natural killer cell''Immature dendritic cell''Macrophage''MDSC''Neutrophil''Plasmacytoid dendritic cell')
anti<- gsub('^ ','',rownames(gsva_matrix1))%in%anti_tumor
pro<- gsub('^ ','',rownames(gsva_matrix1))%in%pro_tumor
non <- !(anti|pro)
gsva_matrix1<- rbind(gsva_matrix1[anti,],gsva_matrix1[pro,],gsva_matrix1[non,])
normalization<-function(x){
  return((x-min(x))/(max(x)-min(x)))}
nor_gsva_matrix1 <- normalization(gsva_matrix1)
annotation_col = data.frame(patient=pheno$num2)
rownames(annotation_col)<-colnames(uni_matrix)
bk = unique(c(seq(0,1, length=100)))
pheatmap(nor_gsva_matrix1,show_colnames = F,cluster_rows = F,cluster_cols = F,annotation_col = annotation_col,breaks=bk,cellwidth=5,cellheight=5,fontsize=5,gaps_row = c(12,20),filename = 'ssgsea.png')
save(gsva_matrix,gsva_matrix1,pheno,file = 'score.Rdata')
ssgsea.png
3.计算score加和后,ggplot2进行绘图;
rm(list=ls())
anti_tumor <- c('Activated CD4 T cell''Activated CD8 T cell''Central memory CD4 T cell''Central memory CD8 T cell''Effector memeory CD4 T cell''Effector memeory CD8 T cell''Type 1 T helper cell''Type 17 T helper cell''Activated dendritic cell''CD56bright natural killer cell''Natural killer cell''Natural killer T cell')
pro_tumor <- c('Regulatory T cell''Type 2 T helper cell''CD56dim natural killer cell''Immature dendritic cell''Macrophage''MDSC''Neutrophil''Plasmacytoid dendritic cell')
load('score.Rdata')
anti<- as.data.frame(gsva_matrix1[gsub('^ ','',rownames(gsva_matrix1))%in%anti_tumor,])
pro<- as.data.frame(gsva_matrix1[gsub('^ ','',rownames(gsva_matrix1))%in%pro_tumor,])
anti_n<- apply(anti,2,sum)
pro_n<- apply(pro,2,sum)
patient <- pheno$num2[match(colnames(gsva_matrix1),pheno$num1)]
library(ggplot2)
data <- data.frame(anti=anti_n,pro=pro_n,patient=patient)
anti_pro<- cor.test(anti_n,pro_n,method='pearson')
gg<- ggplot(data,aes(x = anti, y = pro),color=patient) + 
  xlim(-20,15)+ylim(-15,10)+
  labs(x="Anti-tumor immunity", y="Pro-tumor suppression") +
  geom_point(aes(color=patient),size=3)+geom_smooth(method='lm')+
  annotate("text", x = -5, y =7.5,label=paste0('R=',round(anti_pro$estimate,4),'\n','p<0.001'))
ggsave(gg,filename = 'cor.png')

参考内容:
1.GSVA: The Gene Set Variation Analysis package for microarray and RNA-seq data

■   ■   ■ 

全国巡讲约你

生信技能树(爆款入门培训课)全国巡讲约你

第一站-重庆  (已结束)

粤港澳大湾区专场 (已结束)

第二站-济南 (已结束)

千呼万唤进北京(已结束)

巡讲-广州和上海(已结束)

郑州和西安(全部结束)

第9、10站-武汉和成都(全部结束)

七月份我们不外出,只专注单细胞!

系统学习单细胞分析,报名生信技能树的线下培训,手慢无

一年一度的生信技能树单细胞线下培训班

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存