上次的干货分享我们给大家介绍的是如何利用TIDE预测肿瘤免疫逃逸（推文链接），本期推文更加重磅，我们将给大家详细讲解生信文章免疫分析必做的——肿瘤浸润免疫细胞。

在学习肿瘤浸润免疫细胞之前，我们需要先了解一下肿瘤微环境（tumor microenvironment, TME）。肿瘤微环境，顾名思义就是肿瘤细胞周围的环境，与肿瘤的发生发展密切相关，包括非细胞组分如生长因子、趋化因子等，还有细胞组分，主要由肿瘤细胞、免疫细胞、基质细胞组成。肿瘤微环境中的免疫细胞我们就称为肿瘤浸润免疫细胞。然而，并不是所有的免疫细胞都具有抗肿瘤的作用，比如据文献报道Treg细胞和M2型巨噬细胞就主要与肿瘤患者的不良预后有关。因此，分析肿瘤浸润免疫细胞对肿瘤研究具有重要意义。

进行肿瘤浸润免疫细胞分析的算法有很多，比如TIMER、CIBERSORT等，今天我们给大家介绍的是操作性更强并且也能用与其他分析的方法——ssGSEA。

进行ssGSEA，我们需要的输入数据有基因表达矩阵和肿瘤浸润免疫细胞基因集。

1.导入基因表达矩阵

load("基因表达矩阵.rdata")

View(data)

2.导入肿瘤浸润免疫细胞基因集

文献中比较常见的用来做肿瘤浸润免疫细胞分析的基因集主要用两个：一个是来源于文献Classification of triple-negative breast cancers based on Immunogenomic profiling，其中不仅总结了16种肿瘤浸润免疫细胞的基因集，还有13种免疫功能的基因集；另一个就是TISIDB数据库总结的28种肿瘤浸润淋巴细胞的基因集。上述这三个基因集以及第一步的基因表达矩阵大碗已经给大家全部整理好了，移步gong zhong号后台回复“ssGSEA数据包”即可获取。接下来，我们以从文献中获得的16种肿瘤浸润免疫细胞的基因集为例进行ssGSEA分析。

load("肿瘤浸润免疫细胞基因集.rdata")

View(geneset_cell)

3.进行ssGSEA分析

library(GSVA)

ssGSEA_matrix %as.data.frame() %>%

rownames_to_column("Sample")

tmp1$Group