肿瘤预测TIDE的使用

目录 

在线网站

免疫队列

 注意表达矩阵处理方法

---

在线网站

用edu邮箱进行注册。Tumor Immune Dysfunction and Exclusion (TIDE) (harvard.edu)

input有需要进行标准化。input教程：

【预测抗PD1和抗CTLA4免疫治疗反应的在线网站工具使用方法】TIDE: Tumor Immune Dysfunction and Exclusion_哔哩哔哩_bilibili

TIDE算法来预测免疫治疗疗效 – 王进的个人网站 (jingege.wang)

在线分析得出结果解读：

肿瘤TIDE在线分析结果中各项的具体含义如下：

1. No benefits: 表示该肿瘤样本在免疫治疗中没有受益，即患者对免疫治疗的反应不明显。

2. Responder: 表示该肿瘤样本对免疫治疗有积极的反应，可能对免疫治疗有较好的效果。

3. TIDE: Tumor Immune Dysfunction and Exclusion（肿瘤免疫功能障碍和排斥）的缩写，是一种衡量肿瘤免疫治疗反应的指标。它可以评估肿瘤细胞、免疫细胞和免疫逃逸机制之间的相互作用。

4. IFNG: interferon gamma（干扰素γ），是一种由免疫细胞产生的细胞因子，对免疫活性具有重要作用。

5. MSI Expr Sig: Microsatellite Instability Expression Signature（微卫星不稳定性表达标记），用于评估肿瘤基因组的微卫星不稳定性程度。微卫星不稳定性与免疫治疗的反应之间存在关联。

6. Merck18: Merck18 gene signature（Merck18基因签名），是一种用于预测免疫检查点抑制剂治疗反应的基因组标记。

7. CD274: Cluster of Differentiation 274，也称为PD-L1（Programmed Death-Ligand 1），是一种免疫检查点分子，与免疫治疗的效果相关。

8. CD8: Cluster of Differentiation 8，也称为CD8+ T淋巴细胞。CD8+ T细胞是一种重要的免疫细胞，与抗肿瘤免疫反应有关。

9. CTL.flag: Cytotoxic Lymphocyte（细胞毒性淋巴细胞）标志物，用于评估肿瘤浸润淋巴细胞的情况。

10. Dysfunction: 免疫功能障碍，指免疫系统在抵抗肿瘤时受到抑制或功能异常。

11. Exclusion: 免疫排斥，指肿瘤细胞阻止免疫细胞进入肿瘤微环境，从而逃避免疫攻击。

12. MDSC: Myeloid-Derived Suppressor Cells（髓系来源的抑制性细胞），是一类免疫抑制细胞，可以抑制免疫细胞的活性。

13. CAF: Cancer-Associated Fibroblast（癌相关成纤维细胞），是一种存在于肿瘤组织中的纤维细胞，参与肿瘤的生长和进展。

14. TAM M2: Tumor-Associated Macrophage M2（肿瘤相关巨噬细胞M2型），是一种类型的巨噬细胞，与肿瘤免疫逃逸和免疫抑制有关。

    ---

    免疫队列

15. TIDE数据库还可以下载很多免疫治疗队列的表达矩阵进行分析

Tumor Immune Dysfunction and Exclusion (TIDE) (harvard.edu)

例如：GSE93157队列。Programmed death 1 receptor blockade and immune-related gene expression profiling in non-small cell lung carcinoma, head and neck squamous cell carcinoma and melanoma。GEO Accession viewer (nih.gov)

也可以从TIDE网页下载表达矩阵。

包括的免疫治疗队列

ICB Cohorts	Data Public Available			# of Patients (Not Available)	# of Patients (Included)
	Transcriptome	Response Outcome	Survival Outcome
Van Allen et al., Science 2015 [1]	Yes	Yes	Yes		42
Chen et al., Cancer Discov 2016 [2]	Yes	Yes	No		33
Hugo et al., Cell 2016 [3]	Yes	Yes	Yes		25
Lauss et al., Nat Commun 2017 [4]	Yes	Yes	Yes		28
Ayers et al., J Clin Invest 2017 [5]	No	No	No	81	\
Prat et al., Cancer Res 2017 [6]	Yes	Yes	Yes		33
Nathanson et al., Cancer Immunol Res 2017 [7]	Yes	Yes	Yes		24
Riaz et al., Cell 2017 [8]	Yes	Yes	Yes		51
Miao et al., Science 2018 [9]	Yes	Yes	Yes		33
Mariathasan et al., Nature 2018 [10]	Yes	Yes	Yes		348
Kim et al., Nat Medicine 2018 [11]	Yes	Yes	No		45
McDermott et al., Nat Medicine 2018 [12]	Yes	Yes	No		263
Rodig et al., Sci Transl Med 2018 [13]	No	No	No	181	\
Cristescu et al., Science 2018 [14]	No	No	No	315	\
Gide et al., Cancer Cell 2019 [15]	Yes	Yes	Yes		73

Table S2. Data availability of published ICB studies. All studies are annotated separately by the availability of transcriptomic data, response outcome, and survival outcome. 

---

 注意表达矩阵处理方法

下载的表达矩阵含有负值

处理方式：For each RNA-seq dataset, the transcriptomic profile was log2(1+TPM) transformed. We standardized the log scale transcriptome data across patients by quantile-normalization, and further normalized the expression values of each gene by subtracting the average among all samples. 对于每个 RNA-seq 数据集，转录组概况都进行了 log2（1+TPM）转换。我们通过量化归一化对患者的对数尺度转录组数据进行标准化，并通过减去所有样本的平均值进一步归一化每个基因的表达值。（有两次转换）

所以下载的表达矩阵是经过归一化后的值。