总结篇

前言

肿瘤组织不是单纯的只包含肿瘤细胞，它是由各种不同类型的细胞组成的，其中就包含基质细胞，成纤维细胞，还有免疫细胞等，这些细胞就构成了肿瘤的微环境。

我们比较关注的是免疫细胞在这微环境中的作用。免疫细胞又包括很多种，如 B 细胞，T 细胞等。不同的免疫细胞在肿瘤发生过程中发挥不同的作用，而不同肿瘤的免疫细胞组成也各有特点。

因此在研究肿瘤发生，治疗等机制时，常常会对不同肿瘤类型的免疫细胞进行定量研究。所谓的定量研究就是研究不同免疫细胞的比例。

为了准确的评估肿瘤微环境中免疫细胞的构成，我们可以通过很多方法从 RNA 测序数据中量化肿瘤浸润的免疫细胞，比如 ssGSEA, Cibersoft, TIMER, EPIC 等.

这些方法大体包括两个思想，一个是 marker gene，还有一个是反卷积思想。

今天我们主要是讲讲如何使用这些方法来进行相关分析。我们通过测序得到的组织的 RNA-Seq 数据就是包含了肿瘤和微环境细胞共同表达。因此在我们进行免疫浸润分析的时候，基本都是基于 RNA-Seq 数据。

1 ssGSEA

单样本基因集富集分析（single sample gene set enrichment analysis, ssGSEA），是针对单个样本无法做 GSEA 而设计的。最早是在 2009 年被提出（Systematic RNA interference reveals that oncogenic KRAS-driven cancers require TBK1）。它可以由 GSVA 这个 R 包来实现。目前 ssGSEA 常被用于评估肿瘤免疫细胞浸润程度。

1.1 R 包安装

1.2 数据示例

这个数据为免疫细胞的 metagenes 基因集，从文章 Local mutational diversity drives intratumoral immune heterogeneity in non-small cell lung cancer 中获取。

1.3 R 代码实现