seq-ImmuCC实战推断小鼠的肿瘤免疫微环境

前面我在《生信菜鸟团》公众号介绍了 小鼠的肿瘤免疫微环境推断可以用seq-ImmuCC，本来是想布置作业让大家下载https://www.ncbi.nlm.nih.gov/bioproject/PRJNA489661/    的数据，自己走一波seq-ImmuCC实战。

但是发现这个并不是《生信技能树》公众号，所以我没办法布置练习题额，所以现在在《生信技能树》公众号再来一次哈！前面的例子：人人都能学会的单细胞聚类分群注释  ，第一次分群就非常漂亮！可以看到这个数据集GSE129516里面的6个样品都是有不同的免疫细胞亚群的，而且既然已经是有了降维聚类分群结果，就可以算出各个细胞亚群的比例啦！

我们的作业是，把GSE129516里面的6个样品的单细胞表达量矩阵简单的累加成为一个假的bulk表达量矩阵， 然后拿这个表达量矩阵去进行seq-ImmuCC实战，推断小鼠的肿瘤免疫微环境，就是各个免疫细胞比例。然后跟单细胞的真实免疫细胞各个亚群比例进行对比，测试一下seq-ImmuCC这个网页工具的表现情况！

关于seq-ImmuCC开发者

苏州系统医学研究所苏吴爱平教授和秦晓峰教授合作，发布了一个基于转录组测序（RNA-Seq）数据对小鼠组织中10种主要免疫细胞组分进行预测的计算模型（seq-ImmuCC），将为测序数据提供免疫细胞层面的解读视角。相关研究以“seq-ImmuCC: Cell-CentricView of Tissue Transcriptome Measuring Cellular Compositions of ImmuneMicroenvironment From Mouse RNA-Seq Data”为题，于2018年6月发表于国际期刊Frontiersin Immunology。

吴爱平教授的课题组已经成功开发了两个计算模型，从组织样本的芯片表达谱。

• 2017年，研究团队基于小鼠的DNA芯片表达谱数据，构建了一个能够对小鼠中的25种免疫细胞组分定量计算模型ImmuCC ，获得了领域内广泛关注和应用，相关研究发表于Scientific Reports (http://www.nature.com/articles/srep40508)。2018年，则通过从公共数据库中收集得到的小鼠正常免疫细胞RNA-Seq数据，构建得到了一个能够从小鼠组织的RNA-Seq数据出发，对组织中的10种免疫细胞组成比例进行定量的计算模型seq-ImmuCC。

• 2019年8月28日，《Bioinformatics》在线发表了苏州系统医学研究所吴爱平课题组的一项研究成果 “Tissue-specific deconvolution ofimmune cell composition by integrating bulk and single-cell transcriptomes ”，提出了一套整合组织样本转录组测序和单细胞测序数据的组织特异性免疫细胞组分预测策略（tissue-ImmuCC）。系统所博士研究生陈秭宜为该项工作的第一作者，吴爱平研究员为通讯作者。

阅读文档制作输入数据

在：http://218.4.234.74:3200/immune/manual

我看了看它的示例文件，很简单一个csv，如下所示：

 

提交数据等待网页工具返回结果

见：http://218.4.234.74:3200/immune/

也是很容易理解的结果，一个矩阵一个条形图，如下所示：

 

超级好用的网页工具

确实值得表扬，我测试了三次，体验都很好！仅仅是一个表达量矩阵的csv文件即可。再次强调作业是，把GSE129516里面的6个样品的单细胞表达量矩阵简单的累加成为一个假的bulk表达量矩阵， 然后拿这个表达量矩阵去进行seq-ImmuCC实战，推断小鼠的肿瘤免疫微环境，就是各个免疫细胞比例。然后跟单细胞的真实免疫细胞各个亚群比例进行对比，测试一下seq-ImmuCC这个网页工具的表现情况！