掃碼聯(lián)系客服
CAMOIP，關(guān)于追“星”這件事
讀者朋友們大家好呀，生信人公眾號本月發(fā)布了多篇關(guān)于“泛癌”、“腫瘤免疫”的文章思路和解讀，提起這兩位SCI發(fā)表思路的“明星”，想必不少讀者有這樣的煩惱，缺乏編程背景知識，有什么工具可以幫我們更好的挖掘數(shù)據(jù)從而追星呢？小編作為老司機，這就帶你們上車4月9日發(fā)表于BIB的泛癌免疫治療多組學(xué)在線分析工具——CAMOIP。
為什么要開發(fā)CAMOIP？
免疫療法為臨床醫(yī)生治療癌癥提供新機遇，然而目前臨床上只有部分病人能夠獲益于免疫治療。而近年來對接受免疫治療的腫瘤患者進行高通量測序的研究產(chǎn)生了大量的表達數(shù)據(jù)和突變數(shù)據(jù)，這為尋找候選藥物靶點和篩選與免疫治療相關(guān)的生物標志物提供了前所未有的機會。
雖然現(xiàn)有的在線工具，如Xena、cBioPortal、Human Protein、Atlas portal、Expression Atlas、GEPIA2等，使生物學(xué)家能夠分析腫瘤的表達、突變和預(yù)后數(shù)據(jù)，但目前它們還無法實現(xiàn)與免疫治療相關(guān)的數(shù)據(jù)挖掘和機制分析。為了能夠?qū)γ庖咧委熽犃型瑫r進行生存分析、通路富集分析、突變景觀分析、表達分析、免疫浸潤分析和免疫原性分析，作者研發(fā)了一款泛癌免疫治療多組學(xué)分析工具CAMOIP（https://www.camoip.net）。
CAMOIP的服務(wù)器端和交互式數(shù)據(jù)處理是基于R執(zhí)行的，原始數(shù)據(jù)來源于 cBioPortal、Gene Expression Omnibus、Genomic Data Commons DataPortal和TCGA數(shù)據(jù)庫，用戶可以圍繞生存分析、通路富集分析、突變景觀分析、表達分析、免疫浸潤分析和免疫原性分析這六大板塊進行分析和數(shù)據(jù)下載。
CAMOIP要怎么用？
CAMOIP的主界面如下所示，簡要介紹了其使用的臨床隊列信息，用戶可以在界面提供的體圖中找到每個腫瘤對應(yīng)的免疫治療隊列樣本數(shù)。
（1）生存分析
在生存分析模塊，CAMOIP允許用戶在免疫治療隊列或TCGA隊列中，根據(jù)基因突變水平（野生型vs 突變型）或基因表達水平（表達高 vs 表達低）進行生存分析，從而生成Kaplan-Meier分析和cox-回歸分析的可視化結(jié)果。
（2）表達分析
在表達分析模塊，用戶可以選擇腫瘤類型和相應(yīng)的基因表達數(shù)據(jù)進行差異分析和可視化。用戶可以通過箱線圖的形式進一步可視化不同突變狀態(tài)下的基因表達差異，或感興趣基因的高表達和低表達狀態(tài)。此外，用戶還可以選擇表的形式來分析特定突變組或表達組下所有基因的差異表達。
（3）突變景觀分析
突變景觀分析模塊允許用戶分析不同突變、改變組或表達組下的基因突變頻率概況。用戶可以選擇比較不同組之間的興趣基因的突變頻率差異。此外，該模塊允許用戶識別熱圖上基因的突變類型，如剪接位點、錯義突變、移碼突變、無義突變、讀碼框內(nèi)插入和缺失等，以及驅(qū)動基因類型如致癌基因、融合基因和腫瘤抑制基因。
（4）免疫原性分析
免疫原性是影響免疫治療應(yīng)答的最重要因素之一，CAMOIP為用戶提供了一種簡單的分析方法。用戶可以選擇不同的腫瘤，比較突變型和野生型、高表達和低表達組之間的TMB、新抗原負荷和MANTIS打分的差異。分析采用Mann-Whitney U檢驗，結(jié)果可視化為一個方框圖。
（5）免疫浸潤分析
在免疫浸潤分析模塊，CAMOIP為用戶提供了一個分析免疫細胞、免疫基因和免疫相關(guān)評分隨時間變化的機會。免疫細胞分數(shù)的計算使用了CIBERSORT, MCPcounter, EPIC, quanTIseq 和IPS。用戶可以選擇分析不同組間免疫相關(guān)基因表達的差異，免疫相關(guān)基因的功能包含包括抗原呈遞、B細胞、CD4+T細胞、CD8+T細胞、細胞溶解活性、ICIs、抑制相關(guān)、巨噬細胞、中性粒細胞、NK細胞、pDCs、刺激相關(guān)、I型IFN反應(yīng)和II型IFN反應(yīng)。除免疫細胞和免疫相關(guān)基因外，用戶還可以比較不同組間免疫評分的差異。
（6）通路富集分析
在通路富集分析模塊，CAMOIP可以根據(jù)非同義基因突變狀態(tài)或表達的水平，對不同腫瘤樣本的表達數(shù)據(jù)進行GSEA和ssGSEA分析。GSEA結(jié)果可以使用GSEA圖、點圖、山脊圖和Emap圖來表示。對于ssGSEA，用戶可以在不同的數(shù)據(jù)集中選擇不同的基因突變狀態(tài)或表達狀態(tài)，并使用Boxplot對相關(guān)通路的ssGSEA分數(shù)進行差異分析。
在數(shù)據(jù)分析中，用戶可以通過選擇不同的隊列、數(shù)據(jù)集、基因符號和顏色選項來獲得相應(yīng)的可視化結(jié)果，在用戶提交請求后，CAMOIP將向用戶提供矢量圖像和表格。CAMOIP提供的結(jié)果可以直接通過點擊圖片下面的PNG和PDF按鈕來下載PNG或PDF格式的圖像文件，并通過點擊表格底部的CSV來下載CSV格式的結(jié)果文件。
小編總結(jié)
利用CAMOIP中生存分析、通路富集分析、突變景觀分析、表達分析、免疫浸潤分析和免疫原性分析這六大模塊，我們能夠篩選泛癌免疫治療預(yù)后標志物，并分析其潛在機制。CAMOIP的研發(fā)者收集了大量的免疫治療隊列信息以及TCGA隊列信息，量大管飽，快快學(xué)習(xí)起來吧!
Lin A, Qi C, Wei T, Li M, Cheng Q, Liu Z, et al. CAMOIP: a web server for comprehensive analysis on multi-omics of immunotherapy in pan-cancer. Briefings in bioinformatics. 2022.
