TMEclassifier免疫微环境分类工具学习

TME 分类器是一种基于胃癌肿瘤免疫微环境特征进行肿瘤微环境分类的R包。

1. TMEclassifier 旨在对胃癌乃至其他癌症的肿瘤微环境（TME）进行分类。
2. 该软件包包含一个集成分类模型，融合了 6 种机器学习算法：支持向量机（SVM）、随机森林（RF）、神经网络（NNET）、k 近邻（KNN）、决策树（DecTree）以及极端梯度提升（XGBoost）。
3. TMEclassifier 基于134个TME相关基因的表达谱和集成模型，识别出三种TME聚类。
4. 此外，TMEclassifier 提供了多尺度的TME聚类可视化功能，其中部分功能依赖于 IOBR。

这个R包可以基于134个肿瘤微环境相关的基因表达谱把样本分成三类，分别为免疫激活型(IA)、免疫抑制型(IS)和免疫荒漠型(IE)，并且其主要是IOBR这个工具的拓展，使用起来挺方便的，并且可视化很美观。

分析流程

1.导入

rm(list=ls())
library(TMEclassifier)

load("TCGA-COAD/1-TCGA-coad/TCGA-COAD_sur_model.Rdata")

2.数据预处理

# 示例数据查看格式
# data("eset_example1")
# res <- tme_classifier(eset = t(eset_example1),
#                       method = "ensemble", scale = T)

# TCGA数据可以直接纳入分析
res <- tme_classifier(eset = exprSet, 
                       method = "ensemble", scale = T) 
# method： ensemble, svm, rf, nnet, knn, dt, xgboost

示例数据是行为样本名，列为基因名的文件（见下面），但其实一般自己的数据都是行为基因和列样本，所以在自行分析的时候不需要对数据进行转置。

3. 把分组加入到临床数据中去

identical(rownames(meta),res$ID)
meta <- cbind(meta,res[,c(2:5)])

res结果：

4.生存分析

library(survminer)
p3<-surv_cluster(input_pdata     = meta,
                 target_group    = "TMEcluster",
                 time            = "OS.time",
                 status          = "OS",
                 project         = "TCGA-COAD",
                 cols            = c('#fc0d3a','#ffbe0b','#2692a4'),
                 save_path       = paste0("./figures"))

这个生存分析图片挺好看的，使用起来很方便，而且该有的信息都有了。

参考资料：

1. TMEclassifier ：https://github.com/Huizhong1993/TMEclassifier?tab=readme-ov-file
2. Tumor microenvironment immunotyping heterogeneity reveals distinct molecular mechanisms to clinical immunotherapy applications in gastric cancer. (2023) Under Review.
3. Tumor Microenvironment Characterization in Gastric Cancer Identifies Prognostic and Immunotherapeutically Relevant Gene Signatures. Cancer Immunol Res.2019 May;7(5):737-750