TimiGP:一个R包,从批量转录组学中描绘瘤微环境
Chenyang Li1, Jianjun Zhang2, Chao Cheng3
1Department of Genomic Medicine, The University of Texas MD Anderson Cancer Center, Houston, TX 77030, USA; Graduate School of Biomedical Sciences, The University of Texas MD Anderson Cancer Center UTHealth Houston, Houston, TX 77030, USA.
STAR protocols
|November 29, 2023
概括
这项研究引入了一个新的R包,用于分析瘤免疫微环境 (TIME) 以及它与患者结果的联系. 它利用基因表达数据绘制免疫细胞相互作用和丰富性的地图,以便更好地制定癌症治疗策略.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 瘤微环境 (TME) 在癌症进展和治疗反应中发挥着关键作用.
- 了解TME内的多样化的免疫细胞群对于开发有效的癌症疗法至关重要.
研究的目的:
- 用基因对来说明瘤免疫微环境 (TIME) 的新方案.
- 引入一个旨在推断细胞与细胞相互作用并分析与患者预后相关的免疫细胞丰度的R包.
主要方法:
- 利用大量的基因表达和生存数据,将免疫细胞的相对丰度与患者的结果联系起来.
- 采用从单细胞RNA测序 (scRNA-seq) 数据中确定的细胞类型标记物.
- 使用开发的R.包,在各种癌症类型中绘制TIME的地图.
主要成果:
- 该协议可以在时间内推断细胞与细胞之间的相互作用.
- 它揭示了免疫细胞相对丰富和患者预后之间的关联.
- 该方法适用于广泛的癌症类型.
结论:
- 开发的R包和协议为剖析瘤免疫微环境提供了宝贵的工具.
- 这种方法有助于更深入地了解免疫细胞在癌症中的临床相关性.
- 它有可能改善预后预测和指导治疗策略.
