immunarch包进行免疫组库分析：数据加载

deInput / output

该软件包提供多种功能：

• repLoad- 加载具有兼容格式的曲目。

• repSave- 保存更改并将曲目数据以特定格式（VDJtools）写入文件。immunarch repLoad自动检测输入文件格式。 目前支持以下免疫库数据格式：immunarch

• "immunarch"- 当前的软件工具，以防忘记:)

• "immunoseq" - https://www.immunoseq.com

• "mitcr" - GitHub - milaboratory/mitcr: MiTCR is a software for processing T-cell repertoire sequencing data

• "mixcr" - GitHub - milaboratory/mixcr: MiXCR is an ultimate software platform for analysis of Next-Generation Sequencing (NGS) data for immune profiling.

• "migec" - MIGEC: Molecular Identifier Guided Error Correction pipeline — MIGEC SNAPSHOT documentation

• "migmap" - GitHub - mikessh/migmap: HTS-compatible wrapper for IgBlast V-(D)-J mapping tool

• "tcr" - tcR is no longer supported! Please use immunarch instead, redirecting to https://immunarch.com/

• "vdjtools" - VDJtools: a framework for post-analysis of repertoire sequencing data — vdjtools SNAPSHOT documentation

• "imgt" - IMGT/HighV-QUEST

• "airr" - AIRR Data Representations — AIRR Standards 1.4 documentation

• "10x" - V(D)J Annotations -Software -Single Cell Immune Profiling -Official 10x Genomics Support

• "archer"-  ArcherDX clonotype tables. https://archerdx.com/immunology/

• "imseq" - IMSEQ - IMmunogenetic SEQuence Analysis

• "rtcr" - https://github.com/uubram/RTCR

• "vidjil" - Vidjil

为了解析 IgBLAST 结果，首先使用 MigMap 处理数据。

您可以从单个文件、曲目文件路径列表或包含曲目文件的文件夹中加载数据。

本地文件

如果有本地文件，则只需指定文件或包含文件的文件夹的路径。然后使用以下命令加载数据：repLoad

#path argument is a path to the folder with your file or files including the metadata file.
immdata <- repLoad(path)

使用示例文件

可以在此处找到一个包含示例文件的文件夹（下载并解压缩test_data.zip或test_data.tar.gz），并使用它来测试数据加载。

如果不熟悉文件路径，可以将模拟数据下载到工作目录中。可以使用命令获取工作目录getwd()

还可以将所有文件下载到工作目录中的文件夹中，并通过将文件夹名称传递给引号中的 repLoad 函数来加载所有文件：'example'

immdata <- repLoad('example')

示例数据已随包一起下载。可以使用以下命令加载所有示例文件：immunarch

#path to the folder with example data
file_path <- paste0(system.file(package="immunarch"), "/extdata/io/")
immdata <- repLoad(file_path)

在其他情况下，可能需要提供元数据文件并在文件夹中找到它。将其命名为“metadata.txt”。

# For instance you have a following structure in your folder:
# >_ ls
# immunoseq1.txt
# immunoseq2.txt
# immunoseq3.txt
# metadata.txt

# To load the whole folder with every file in it type:
file_path <- paste0(system.file(package="immunarch"), "/extdata/io/")
immdata <- repLoad(file_path)
print(names(immdata))

# In order to do that your folder must contain metadata file named
# "metadata.txt".

# In R, when you load your data:
# > immdata <- repLoad("path/to/your/folder/")
# > names(immdata)
# [1] "data" "meta"

# Suppose you do not have "metadata.txt":
# > immdata <- repLoad("path/to/your/folder/")
# > names(immdata)
# [1] "data" "meta"

使用 dplyr 和 immunarch 进行基本数据操作

可以在此处找到介绍：https://CRAN.R-project.org/package=dplyr/vignettes/dplyr.html

获得最丰富的克隆型

该函数返回给定指令表最丰富的克隆型：

top(immdata$data[[1]])

## # A tibble: 10 × 15
##    Clones Proportion CDR3.nt    CDR3.aa V.name D.name J.name V.end D.start D.end
##     <dbl>      <dbl> <chr>      <chr>   <chr>  <chr>  <chr>  <int>   <int> <int>
##  1    173    0.0204  TGCGCCAGC… CASSQE… TRBV4… TRBD1  TRBJ2…    16      18    26
##  2    163    0.0192  TGCGCCAGC… CASSYR… TRBV4… TRBD1  TRBJ2…    11      13    18
##  3     66    0.00776 TGTGCCACC… CATSTN… TRBV15 TRBD1  TRBJ2…    11      16    22
##  4     54    0.00635 TGTGCCACC… CATSIG… TRBV15 TRBD2  TRBJ2…    11      19    25
##  5     48    0.00565 TGTGCCAGC… CASSPW… TRBV27 TRBD1  TRBJ1…    11      16    23
##  6     48    0.00565 TGCGCCAGC… CASQGD… TRBV4… TRBD1  TRBJ1…     8      13    19
##  7     40    0.00471 TGCGCCAGC… CASSQD… TRBV4… TRBD1  TRBJ2…    16      21    26
##  8     31    0.00365 TGTGCCAGC… CASSEE… TRBV2  TRBD1  TRBJ1…    15      17    20
##  9     30    0.00353 TGCGCCAGC… CASSQP… TRBV4… TRBD1  TRBJ2…    14      23    28
## 10     28    0.00329 TGTGCCAGC… CASSWV… TRBV6… TRBD1  TRBJ2…    12      20    25
## # ℹ 5 more variables: J.start <int>, VJ.ins <dbl>, VD.ins <dbl>, DJ.ins <dbl>,
## #   Sequence <lgl>

过滤functional/non-functional/in-frame/out-of-frame克隆型

方便的是，函数在数据帧列表上矢量化;在下面的示例中，返回带有编码序列的数据帧列表：

coding(immdata$data[[1]])

其他的以类似的方式运行：

noncoding(immdata$data[[1]])

nrow(inframes(immdata$data[[1]]))

nrow(outofframes(immdata$data[[1]]))

获取具有特定 V 基因的克隆型子集

根据指定索引中的标签对数据框进行子集操作很简单。在此示例中，生成的数据框仅包含具有“TRBV10-1”V 基因的记录：

filter(immdata$data[[1]], V.name == 'TRBV10-1')

## # A tibble: 24 × 15
##    Clones Proportion CDR3.nt    CDR3.aa V.name D.name J.name V.end D.start D.end
##     <dbl>      <dbl> <chr>      <chr>   <chr>  <chr>  <chr>  <int>   <int> <int>
##  1      2   0.000235 TGCGCCAGC… CASSES… TRBV1… TRBD2  TRBJ2…    16      20    25
##  2      2   0.000235 TGCGCCAGC… CASSDG… TRBV1… TRBD1  TRBJ2…    13      15    22
##  3      1   0.000118 TGCGCCAGC… CASSGD… TRBV1… TRBD2  TRBJ2…     8      10    15
##  4      1   0.000118 TGCGCCACC… CATLRS… TRBV1… TRBD1  TRBJ2…     6       7     9
##  5      1   0.000118 TGCGCCAGC… CASSES… TRBV1… TRBD2  TRBJ2…    16      20    22
##  6      1   0.000118 TGCGCCAGC… CASSES… TRBV1… TRBD2  TRBJ2…    16      17    21
##  7      1   0.000118 TGCGCCAGC… CASRAS… TRBV1… TRBD2  TRBJ2…    10      13    21
##  8      1   0.000118 TGCGCCAGC… CASRRD… TRBV1… TRBD1  TRBJ2…     8      13    19
##  9      1   0.000118 TGCGCCAGC… CASSEV… TRBV1… TRBD1  TRBJ2…    14      19    24
## 10      1   0.000118 TGCGCCAGC… CASSEG… TRBV1… TRBD2  TRBJ2…    13      19    27
## # ℹ 14 more rows
## # ℹ 5 more variables: J.start <int>, VJ.ins <dbl>, VD.ins <dbl>, DJ.ins <dbl>,
## #   Sequence <lgl>

Downsampling

# 使用repSample函数进行downsampling
ds <- repSample(immdata$data, "downsample", 100)
sapply(ds, nrow)

## A2-i129 A2-i131 A2-i133 A2-i132 A4-i191 A4-i192     MS1     MS2     MS3     MS4 
##      99      95      95      98      89      95      82     100      94      98 
##     MS5     MS6 
##      82     100

ds <- repSample(immdata$data, "sample", .n = 10)
sapply(ds, nrow)

## A2-i129 A2-i131 A2-i133 A2-i132 A4-i191 A4-i192     MS1     MS2     MS3     MS4 
##      10      10      10      10      10      10      10      10      10      10 
##     MS5     MS6 
##      10      10

immunarch 数据格式

immunarch自带数据格式，包括制表符分隔的列，可以按如下方式指定：

• “Clones” - count or number of barcodes (events, UMIs) or reads;

• “Proportion” - proportion of barcodes (events, UMIs) or reads;

• “CDR3.nt” - CDR3 nucleotide sequence;

• “CDR3.aa” - CDR3 amino acid sequence;

• “V.name” - names of aligned Variable gene segments;

• “D.name” - names of aligned Diversity gene segments or NA;

• “J.name” - names of aligned Joining gene segments;

• “V.end” - last positions of aligned V gene segments (1-based);

• “D.start” - positions of D’5 end of aligned D gene segments (1-based);

• “D.end” - positions of D’3 end of aligned D gene segments (1-based);

• “J.start” - first positions of aligned J gene segments (1-based);

• “VJ.ins” - number of inserted nucleotides (N-nucleotides) at V-J junction (-1 for receptors with VDJ recombination);

• “VD.ins” - number of inserted nucleotides (N-nucleotides) at V-D junction (-1 for receptors with VJ recombination);

• “DJ.ins” - number of inserted nucleotides (N-nucleotides) at D-J junction (-1 for receptors with VJ recombination);

• “Sequence” - full nucleotide sequence.

参考来源：Bioinformatics Analysis of T-Cell and B-Cell Immune Repertoires • immunarch