预测免疫治疗反应的计算方法。
tidep的Python项目详细描述
TIDE命令行界面和python模块
TIDE（TumorIimmuneDysfunction和^{str1}$Exclusion）是一个计算框架，用于评估肿瘤免疫逃逸的可能性，从癌症样本的基因表达谱。这个包提供了一个python实现的CLI，以及带有Pandas输入和输出的python模块。如果您喜欢在线运行TIDE，请使用我们网站上的Response Prediction模块：http://tide.dfci.harvard.edu/。在
系统要求
- Linux/Unix系统
- Python（>；=3.4）
安装
- 从github克隆
$ git clone git@github.com:jingxinfu/TIDEpy.git $ cd TIDEpy $ pip install .
- 来自pypi，一个python包管理工具
输入数据格式是什么？在
输入数据应为所有患者基因表达谱的方阵。每列代表患者ID，每行代表一个基因名，可以是符号名（例如TGFB1）或Entrez ID（例如7040）。请看一些黑色素瘤的anti-PD1或anti-CTLA4疗法的样本。在
详细信息：
表达式文件
- 在
如果可能，请按照说明输入规范化表达式文件：
- 在
基因表达值应标准化为对照样本，对照样本可以是与癌症类型相关的正常组织，也可以是来自不同肿瘤样本的混合样本。RNA序列实验中的log2（RPKM+1）值可能没有意义，除非有一个好的参考对照来调整批效应和癌症类型差异。在我们的研究中，我们使用每个研究中所有样本的平均值作为标准化对照。在
在 - 在
否则，我们将通过以下方式为您进行标准化：
- 进行log2（x+1）转换
- 减去样本的平均值。在
- 在
- 在
如果可能的话，请根据您的注释GTF文件将您的基因标识符转换为Entrez ID。 否则，我们将使用注释GTF进行转换，即gencode v27。在
在
癌症类型：
我们在几个黑色素瘤数据集和有限的非小细胞肺癌（NSCLC）数据集上验证了TIDE预测抗PD1和抗CTLA4反应的性能。除了黑色素瘤和非小细胞肺癌（如胶质母细胞瘤或肾细胞癌）和抗PD1和CTLA4（如抗PDL1或Car T T）以外的治疗方法，TIDE可能不起作用。在
使用
通过命令行运行TIDE:
usage: tidepy [-h] -o OUTPUT -c {Melanoma,NSCLC,Other} [--pretreat]
[--ignore_norm] [--force_normalize] [--vthres VTHRES]
expression
positional arguments:
expression Path to expression profile
optional arguments:
-h, --help show this help message and exit
-o OUTPUT, --output OUTPUT
Output Path (default: None)
-c {Melanoma,NSCLC,Other}, --cancer {Melanoma,NSCLC,Other}
Cancer Type (default: None)
--pretreat A previous immunotherapy (e.g., progressed after anti-
CTLA4 before current anti-PD1) will change the
response prediction rule. Please put the flag with
previous line of immunotherapy. However, earlier
treatments of targeted therapies or chemotherapies
should not be considered here, and please do not put
the flag. (default: False)
--ignore_norm Whether ignore the normalization step. (default:
False)
--force_normalize Whether force to do the normalization.[Require
ignore_norm to be FALSE] (default: False)
--vthres VTHRES Threshold to distinguish responder fron non-responder
based on TIDE value. (default: 0.0)
示例
请下载我们网站上Response Prediction模块下的第一个示例文件：http://tide.dfci.harvard.edu。文件名应为GSE78220.self_subtract.zip。要获取此研究的免疫相关指标，可以在终端上运行以下代码：
$ tidepy GSE78220.self_subtract.zip -o GSE78220.txt -c Melanoma
输出文件GSE78220.txt包含以下列：No benefits、Responder、TIDE、IFNG、MSI Score、CD274、CD8，标志.CTL，功能障碍，排除，MDSC，CAF，TAM M2，与我们网站输出的结果完全一致。在
$ head GSE78220.txt
No benefits Responder TIDE IFNG MSI Score CD274 CD8 CTL.flag Dysfunction Exclusion MDSC CAF TAM M2
Pt10 True False 2.9031378266316437 -2.3496942540874994 0.25805402238944347 -1.45699548307 -2.2538329160500004 False -1.1904018820543425 2.9031378266316437 0.22023489119026698 0.2086109089536346 0.021521981442711974
Pt32 True False 2.374656680742425 -1.251790579471 0.03317166493632983 -1.34396174667 -1.092551002026 False 0.7565819504165977 2.374656680742425 0.11720339003535449 0.23364173308834454 0.021349394169070356
Pt38 False False 2.3272172094686367 1.421773451414 0.369744309404354 1.44922588993 1.67154054016 True 2.3272172094686367 -3.0384590803306617 -0.16135256818744914 -0.25075626440976084 -0.054974225801339455
Pt12 True False 1.5872758043454305 -2.0323342892546665 0.42890701750431737 -1.0318990510700001 -2.235849307205 False -0.37355955596879964 1.5872758043454305 0.1187563077904593 0.14157760370392405 -0.005648658414646455
Pt14 False False 1.4617100514481065 0.08189238923924995 0.29446508349637074 2.7750512868299997 -1.004022775004 False 0.2613253541514945 1.4617100514481065 0.1495425400268765 0.09892114074144391 -0.032482034306099805
Pt20 False False 1.2040301004408855 2.682862982916667 0.8176690141355004 1.33916228496 3.756670182795 True 1.2040301004408855 -3.374284072367413-0.24958308053873887 -0.1817896254985925 -0.08581630042676716
Pt1 False False 1.0412494657529983 0.7254327628349333 0.536995843539227 -0.156163548496 0.15697680025049998 False -0.48094961955303106 1.0412494657529983 -0.046094357732277734 0.1997680886231509 0.009852881373563268
Pt9 False False 0.8010709440747635 0.2580580358761666 0.7296845983437736 -0.582410268962 0.5549609285135 False -0.11682795201511606 0.80107094407476350.05633802108085521 0.040839374451276424 0.020610152865016378
Pt7 False False 0.6718349276249306 -0.7193369628115166 0.44483998965603927 -0.8181523873759999 -0.8982304490069999 False -0.6222713974526163 0.6718349276249306 0.0767865719035387 -0.01954210031741603 0.048268448437660275
在python控制台内运行TIDE:
请下载我们网站上Response Prediction模块下的第一个示例文件：http://tide.dfci.harvard.edu。文件名应为GSE78220.self_subtract.zip。要获取此研究的免疫相关指标，可以在python控制台中运行以下代码：
importpandasaspdfromtidepy.predimportTIDEdf=pd.read_csv("GSE78220.self_subtract.zip",sep='\t',index_col=0)result=TIDE(df,cancer='Melanoma',pretreat=False,vthres=0.)result.head(2)"""No benefits Responder TIDE IFNG MSI Score CD274 CD8 CTL.flag Dysfunction Exclusion MDSC CAF TAM M2Pt10 True False 2.9031378266316437 -2.3496942540874994 0.25805402238944347 -1.45699548307 -2.2538329160500004 False -1.1904018820543425 2.9031378266316437 0.22023489119026698 0.2086109089536346 0.021521981442711974Pt32 True False 2.374656680742425 -1.251790579471 0.03317166493632983 -1.34396174667 -1.092551002026 False 0.7565819504165977 2.374656680742425 0.11720339003535449 0.23364173308834454 0.021349394169070356"""
引文
- 在
傅景欣，李凯伦，张武兵，万长新，张晶§，蒋鹏§，刘晓乐§。“大规模公共数据重用以模拟免疫治疗反应和耐药性。”基因组医学。2020年12月；12（1）：1-8。在
在 - 在
彭江*、顾胜庆*、邓攀*、付景欣、阿维纳什·萨胡、胡锡豪、李紫怡、妮可·特拉夫、夏布、李波、刘俊、戈登·J·弗里曼、迈尔斯·A·布朗、凯·W·伍奇普芬尼§，X。Shirley Liu§。“T细胞功能障碍和排斥反应的特征预测癌症免疫治疗反应。”自然医学。2018年10月；24（10）：1550-1550。在
在
- 项目
标签：
欢迎加入QQ群-->： 979659372
