中国人群肺癌队列的多组学探索（逆向收费读文献2020-13）
逆向收费读文献社群 （2018-01-07）
逆向收费读文献社群（第二年通知）（2019-01-26）
大概有50人加入吧，成功坚持下来的朋友们累积了 200多文献阅读笔记，反而是公众号编辑忙不过来，所以大多数好的笔记无缘跟粉丝见面，不过我自己的笔记可以开绿色通道，现在开启系列连载：
多组学通常就是全外显子和转录组而已，这个规律早就提现在了各个国家地区的队列之中（之前我们分享过韩国人的乳腺癌队列和台湾人的口腔癌队列），本研究也不例外，发表在：Nat Commun. 2019 Apr，是中国肺癌研究领域比较出名的吴一龙课题组
队列病人情况
非小细胞肺癌的鳞癌和腺癌都有，总共245个患者，命名为 CHOICE 队列，如下：
CHOICE队列和TCGA队列的非小细胞肺癌的鳞癌和腺癌的拷贝数变异的比较
主要就是比较TCGA队列的非小细胞肺癌的鳞癌和腺癌的GISTIC2算法得到的amplification 和 deletions和中国人的队列的差异，展现如下；
这样的比较可以有四次。
CHOICE队列和TCGA队列的非小细胞肺癌的鳞癌和腺癌的点突变比较
点突变跟拷贝数变异不一样，并没有去区分扩增和缺失，所以只需要区分鳞癌和腺癌比较两次即可，如下：
突变全景图和突变频率最高的30个基因的区别如下：
免疫浸润情况
因为有转录组数据，所以可以推测免疫浸润的各种免疫细胞比例，然后可以比较非小细胞肺癌的鳞癌和腺癌的差异，如下：
也可以比较吸烟和不吸烟的群体的差异。
使用ssGSEA算法计算26 immune cell types比例
这26个基因集来源于文章 Immunity. 2013 Oct ， 分类如下；
11个是adaptive immunity
12个是 for innate immunity
3个是 for MDSC，angiogenesis, and antigen presentation machinery
使用GSVA包的ssGSEA算法，对z-score后的RNA-seq表达矩阵进行分析。有趣的是作者提供了RPKM矩阵哦，The RNA-seq FPKM data have been deposited at figshare (https://doi.org/10.6084/m9.figshare.7306364.v1). 所以理论上可以重现作者的分析。
可以把病人分成3组不同的免疫状态，主要是看 IFNG, PD-L1, PD-1, and CD8 基因的表达，如下：
然后分组后可以比较他们的突变表现， 从SNV,CNV角度来看，然后发现PTEN和PIK3CA的表达量跟T细胞指标有相关性。
A
B
作者
健明
排版
小洁
忘了怎么分身