R语言实战：手把手教你用CIBERSORT分析肿瘤免疫浸润（附完整代码与数据准备）

R语言实战：零基础入门CIBERSORT肿瘤免疫浸润分析全流程指南

肿瘤微环境中的免疫细胞组成对疾病进展和治疗响应具有重要影响。CIBERSORT作为一种基于基因表达数据的反卷积算法，能够从复杂的组织样本中推断出22种免疫细胞亚群的比例组成。对于刚接触生物信息学的研究者而言，掌握这一工具可以快速获得高质量的免疫浸润分析结果。

1. 环境准备与工具安装

在开始分析前，我们需要配置好R语言环境和必要的软件包。建议使用R 4.0或更新版本，以获得最佳的兼容性表现。

基础软件包安装：

install.packages(c('e1071', 'parallel')) if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("preprocessCore")

这三个核心包分别提供：

• e1071：支持向量机(SVM)算法的实现
• parallel：并行计算支持
• preprocessCore：用于数据预处理和标准化

注意：Windows用户可能需要以管理员身份运行R/RStudio才能成功安装这些包。

验证安装是否成功：

library(e1071) library(parallel) library(preprocessCore)

如果没有任何错误提示，说明环境配置已完成。接下来我们需要获取CIBERSORT的R脚本文件。

2. 获取与准备分析所需文件

完整的CIBERSORT分析需要两个核心输入文件：LM22签名矩阵和待分析的基因表达数据。

2.1 LM22签名矩阵获取与处理

LM22矩阵包含了22种免疫细胞类型的特征基因表达谱，可以从以下途径获取：

1. 访问Nature Methods原始论文的补充材料
2. 从CIBERSORT官网下载
3. 通过学术协作网络获取

下载后通常为Excel格式，需要转换为纯文本文件：

# 如果原始文件为CSV格式 lm22_data <- read.csv("LM22.csv", row.names = 1) write.table(lm22_data, "LM22.txt", sep="\t", quote=FALSE) # 检查文件格式是否正确 head(read.delim("LM22.txt", nrows=5))

2.2 表达谱数据准备

表达谱数据可以来自公共数据库（如GEO）或自己的实验数据。常见预处理步骤包括：

• 低表达基因过滤（如CPM > 1）
• 基因名统一（使用官方Symbol）
• 去除批次效应
• 数据标准化（如TPM/FPKM）

处理后的数据应保存为制表符分隔的文本文件：

# 示例：处理GEO下载的数据 expr_data <- read.table("GSE12345_raw.txt", header=TRUE) filtered_data <- expr_data[rowMeans(expr_data) > 1, ] write.table(filtered_data, "expr_matrix.txt", sep="\t", quote=FALSE)

3. CIBERSORT脚本获取与参数解析

CIBERSORT的核心算法由三个主要函数组成：

1. CoreAlg：执行支持向量回归计算
2. doPerm：进行置换检验
3. CIBERSORT：主函数，协调整个分析流程

获取脚本的两种方式：

# 方法1：从GitHub获取 source("https://raw.githubusercontent.com/singha53/amritr/master/R/supportFunc_cibersort.R") # 方法2：保存为本地文件 download.file("https://bit.ly/3cibersort", "CIBERSORT.R") source("CIBERSORT.R")

关键参数说明：

4. 执行分析与结果解读

基础分析命令：

results <- CIBERSORT(sig_matrix = "LM22.txt", mixture_file = "expr_matrix.txt", perm = 1000, QN = TRUE)

结果对象包含以下关键信息：

• 免疫细胞比例矩阵：22列，每列对应一种细胞类型
• 质量评估指标：
  • P-value：置换检验得到的显著性
  • Correlation：预测与实际表达的相关系数
  • RMSE：均方根误差

保存结果：

write.csv(results, "immune_cell_proportions.csv", quote=FALSE)

典型结果示例（前5个样本）：

5. 常见问题与解决方案

在实际分析过程中，可能会遇到以下典型问题：

问题1：基因名不匹配

• 现象：结果中所有细胞比例均为0
• 解决：检查并统一两个文件的基因命名方式

问题2：内存不足

• 现象：R会话崩溃
• 解决：增加perm参数间隔运行，或使用服务器

问题3：结果异常

• 现象：某些样本出现负值
• 解决：检查数据质量，尝试QN=FALSE

调试技巧：

# 检查基因交集 common_genes <- intersect(rownames(lm22), rownames(expr)) print(paste("共有基因数:", length(common_genes))) # 验证数据范围 summary(as.matrix(expr))

6. 结果可视化与下游分析

获得细胞比例数据后，可以进行多种可视化：

热图展示：

library(pheatmap) pheatmap(results[,1:22], clustering_method = "complete", show_rownames = TRUE)

箱线图比较：

boxplot(results[,"T细胞CD8"] ~ group_info, xlab = "临床分组", ylab = "CD8 T细胞比例")

相关性网络：

library(corrplot) corrplot(cor(results[,1:22]), method = "circle", type = "upper")

7. 高级技巧与优化建议

对于需要更高精度或特殊需求的分析，可以考虑：

1. 自定义签名矩阵：

   • 使用单细胞数据构建组织特异性矩阵
   • 增加或减少细胞类型数量

2. 参数优化组合：

   # 测试不同perm值的影响 test_perm <- c(100, 500, 1000) results_list <- lapply(test_perm, function(p){ CIBERSORT("LM22.txt", "expr.txt", perm=p) })

3. 批次效应处理：

   library(sva) combat_results <- ComBat(dat = t(results[,1:22]), batch = batch_info)

4. 结果验证方法：

   • 与流式细胞术结果对比
   • 使用其他算法（如xCell、MCP-counter）交叉验证

在实际项目中，建议先在小样本上测试整套流程，确认无误后再进行大规模分析。不同肿瘤类型可能需要调整QN参数，例如RNA-seq数据通常设为FALSE效果更好。