关于这个包的相关介绍，作者在这个网站进行了介绍http://research-pub.gene.com/IMvigor210CoreBiologies/ ，关于包的使用和安装，在这篇文章中都进行了介绍。但是这个说明已经是18年的内容，随着R版本的更新和变化，安装过程总有一些问题出现。
结合这个package的内容和其他文章，进行一个学习和总结。
1.介绍
1.1主要内容
原文的目的：对免疫治疗反应与否，或者反应抵抗一些关键因素进行探索。涉及这个R包的内容：对使用PD-L1抑制剂治疗的患者，进行相关的测序记录和临床特征的记录原文发现：对治疗的反应与CD8+T效应细胞表型有关，甚至在更大程度上与高新抗原或肿瘤突变负担有关。缺乏反应与成纤维细胞中转化生长因子β（TGFβ）信号的特征有关。
当然原文后面还有一些动物实验，文章做的东西还是比较多的，与这个R包的关系不算太大。个人分析时，按需进行分析，得到自己的结果就好。
1.2意义
如前文所讲，这个R包有一些珍贵的数据，是一个当前十分流行的免疫反应队列数据包，包含了一些免疫治疗相关的数据。
如果做免疫治疗和免疫微环境相关的，这个包还是有很大的利用价值的。
2.如何安装
2.1 下载R包，直接安装
在包的说明文档中http://research-pub.gene.com/IMvigor210CoreBiologies/ ，提及到这个包的下载地址 http://research-pub.gene.com/IMvigor210CoreBiologies/IMvigor210CoreBiologies.tar.gz
install.packages("./IMvigor210CoreBiologies_1.0.0.tar.gz", repos = NULL, type = "source")
2.2 安装依赖的R包
按照上面的安装完成后，依然会提示很多问题，首先就是缺各种包，按照提示安装即可。由于每个人之前安装过的包不同，所缺的也不一定一样，按照提示安装即可。
下面的代码是可以判断是否安装过某一个包，然后再决定安装与否的
### 设置镜像
options("repos"=c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
### 安装缺失的R包-CRAN
if(!requireNamespace("dplyr",quietly = TRUE)) install.packages("dplyr")
if(!requireNamespace("DT",quietly = TRUE)) install.packages("DT")
if(!requireNamespace("ggplot2",quietly = TRUE)) install.packages("ggplot2")
if(!requireNamespace("reshape2",quietly = TRUE)) install.packages("reshape2")
if(!requireNamespace("plyr",quietly = TRUE)) install.packages("plyr")
if(!requireNamespace("survival",quietly = TRUE)) install.packages("survival")
if(!requireNamespace("circlize",quietly = TRUE)) install.packages("circlize")
if(!requireNamespace("lsmeans",quietly = TRUE)) install.packages("lsmeans")
if(!requireNamespace("spatstat",quietly = TRUE)) install.packages("spatstat")
if(!requireNamespace("corrplot",quietly = TRUE)) install.packages("corrplot")
### 安装缺失的R包-Bioconductor
if(!requireNamespace("ComplexHeatmap",quietly = TRUE)) BiocManager::install("ComplexHeatmap")
if(!requireNamespace("biomaRt",quietly = TRUE)) BiocManager::install("biomaRt")
if(!requireNamespace("DESeq2",quietly = TRUE)) BiocManager::install("DESeq2")
if(!requireNamespace("edgeR",quietly = TRUE)) BiocManager::install("edgeR")
if(!requireNamespace("limma",quietly = TRUE)) BiocManager::install("limma")
2.3 其中需要的一个特殊的包
上面的按照相应的需要，缺什么补什么就可以，但是其中需要Deseq包，这个包不能直接在R中使用命令安装，因为这个包已经不存在现有的R版本中。
这时候，就需要去储存R包的位置中找到这个R包的是存档，手工安装。可以去bioconductor网站中，搜索相应的这个包的版本。 在这个链接中 https://bioconductor.statistik.tu-dortmund.de/packages/3.8/bioc/html/DESeq.html 下载到本地
然后按照本地安装R包的方式，进行安装即可
3.数据获取
3.1 使用安装好的R包，提取相关数据
library(IMvigor210CoreBiologies)
data(cds)
expreSet <- as.data.frame(counts(cds))
annoData <- fData(cds)
phenoData <- pData(cds)
expreSet 是表达矩阵，行是基因31286，列是样本348
annoData是基因的注释信息
phenoData是样本信息 有25列信息，值得深入挖掘
3.2 保存数据
像这种不好下载的数据，既然已经把数据提取出来了，那么就直接保存为Rdata数据格式，方便下次提取。
只需要把Rdata文件放在相关位置即可，每次load即可
load(file = "./IMvigor210CoreBiologies.Rdata")
4.拓展
世界就是如此奇妙，能够轻松想到的事情，早就有人做过了。既然只是提取IMvigor210CoreBiologies的数据，那么早有人已经把这个工作做成了R包
有人把这个数据打包到了easierData这个R包中
if(!requireNamespace("easierData",quietly = TRUE)) BiocManager::install("easierData")
library(easierData)
library(SummarizedExperiment)
data <- get_Mariathasan2018_PDL1_treatment()
expreSet <- assay(data)
phenoData <- as.data.frame(colData(data))
但是这个R包中，关于样本信息有删减，可能作者只是用于有助于他的研究的数据，可以使用，但是不一定是全面的。根据需求进行取舍。
参考文章 TGF-b attenuates tumor response to PD-L1 blockade by contributing to exclusion of T cells TGFβ attenuates tumour response to PD-L1 blockade by contributing to exclusion of T cells | Nature 免疫反应R包IMvigor210CoreBiologies的安装以及数据获取 安装IMvigor210CoreBiologies R包遇到的一系列问题_yitingh的博客-CSDN博客 IMvigor210CoreBiologies包安装指北 - 腾讯云开发者社区
好文链接
您阅读本篇文章共花了：
发表评论