这个自带作图功能的数据库,还能帮你理清研究思路 | 肿瘤免疫研究数据库推荐

2020-07-16 212其它数据库

近年来,肿瘤免疫治疗技术和药物有了突破性进展,而与此同时,对于肿瘤免疫机制理解的不足,也导致了一些免疫治疗药物临床试验的失败。对此,肿瘤免疫基因组学(immunogenomics)上的大数据挖掘作为解决该问题的突破口,现已成为肿瘤免疫领域的重要热点。

来自四川大学华西口腔医院、哈佛大学、同济大学等多机构的研究人员团队共同开发了TIMER2.0数据库,提供肿瘤浸润免疫细胞的全面/可视化分析功能,并允许用户动态生成高质量的图片,以全面探索肿瘤的免疫学、临床和基因组特征。其相关研究成果已发表在《Nucleic acids research》。

1-1.png

TIMER2.0提供了Immune、Exploration、Estimation 3个模块用于研究免疫浸润与遗传或临床特征之间的关联,每个模块都可以生成功能图表,使用户能够轻松地同时识别多种癌症类型之间的显著关联。

为什么要构建TIMER2.0?

降低复杂肿瘤免疫交互分析的障碍

1-2.png

为了降低复杂肿瘤-免疫相互作用分析的障碍,研究团队更新并发布了TIMER2.0,TIMER2.0使用六种最先进的算法为TCGA或用户提供的肿瘤数据提供更可靠的免疫浸润水平估计。

TIMER2.0能做什么?

Immune免疫浸润分析模块

该模块展示了TCGA中免疫浸润与基因组变化或临床结果之间关系。

Gene:分析免疫浸润与基因表达的关联;
Mutation:分析免疫浸润与突变状态的关联; sCNA:分析免疫浸润与体细胞CNV的关联;
Outcome:分析疫浸润与临床结果的关联。

每个模块都是通过输入感兴趣的基因信息得到关联的热图表,点击热图表中的数据条目,即可得到Gene模块 散点图(两个散点图分别展示了:1. 给定基因表达与肿瘤纯度(样本中癌细胞比例)的相关性 2. 基因表达与免疫细胞类型的关联)、Mutation模块 小提琴图(显示输入基因突变的肿瘤与未输入基因突变的肿瘤之间的不同免疫浸润水平)、sCNA模块 小提琴图(可查看该基因在不同sCNA状态之间的免疫渗透分布,以便正常组与每个变更组的成对比较)、Outcome模块 生存曲线。

1-3.png

Exploration肿瘤特征分析模块

该模块用于探索TCGA中基因表达与肿瘤特征之间关系。

Gene_DE:分析肿瘤组与正常组之间的差异基因表达。模块输入基因信息,TIMER2.0将显示所有癌症类型中肿瘤与正常组织中基因表达分布的箱形图;
Gene_Outcome:分析基因表达与临床结果之间的关联。TIMER2.0会绘制一个热图表,其中包含Cox模型中输入基因表达的标准化系数,点击热图表中的数据条目,即可得到生存曲线图;
Gene_Mutation:分析基因突变状态之间的差异基因表达。当用户选择一个重复突变的基因X并在表达查询中输入基因Y时,TIMER2.0会显示具有X基因突变的肿瘤和无基因突变的肿瘤之间Y基因表达的对数倍变化的热图。用户可以单击表格中的条目以查看突变体与野生型肿瘤中基因表达分布的详细小提琴图;
Gene_Corr:分析基因之间的相关性。给定一个感兴趣的初始基因X和多达20个其他基因,TIMER2.0会生成一个关于基因X和其他输入基因之间Spearman基因表达相关性的热图表,可以点击热图上的一个条目,查看两个基因表达相关性的散点图。

1-4.png

Estimation评估功能

用户可在该模块上传自己的表达矩阵数据(“ csv”或“ txt”文件)进行免疫浸润评估。

1-5.png

这样一个自带作图/表功能的网站还提供了满满的科研思路,快点来试试吧!TIMER2.0访问地址:http://timer.cistrome.org/.

参考文献
[1] Li T, Fu J, Zeng Z, et al. TIMER2. 0 for analysis of tumor-infiltrating immune cells[J]. Nucleic Acids Research, 2020.
[2] Li T, Fan J, Wang B, et al. TIMER: a web server for comprehensive analysis of tumor-infiltrating immune cells[J]. Cancer research, 2017, 77(21): e108-e110.
图片来源于TIMER、TIMER2.0官网、参考文献,部分信息来源于“奇点网”公众号(哈佛大学刘小乐教授讲述:大数据挖掘在肿瘤免疫治疗中的关键作用),如有侵权请联系删除。

上一篇下一篇

相关专题