低分文章详解免疫浸润分析套路
动脉粥样硬化是一种系统性疾病，与炎症细胞浸润和免疫相关途径的激活有关。本文旨在揭示与免疫相关的变化，并探索颈动脉粥样硬化斑块形成过程中的新型免疫学特征。
首先，我们应用了集成的生物信息学方法，包括CIBERSORT和基因集富集分析（GSEA）。基因表达矩阵GSE28829，GSE41571和GSE43292是从基因表达综合（GEO）数据集获得的。经过一系列数据预处理步骤后，使用CIBERSORT，GSEA和Cluster Profiler软件包对所得的组合表达矩阵进行了分析。在对早期和晚期颈动脉粥样硬化斑块进行比较和分析后，我们发现，在晚期斑块中活化记忆CD4 T细胞的百分比较高，而静息记忆CD4细胞的百分比较低。此外，记忆CD4 T细胞的激活可以促进颈动脉粥样硬化斑块的发展。另外，FOXP3þTreg细胞成熟也可以参与颈动脉斑块的进展。
1. 下载GEO数据（https://www.ncbi.nlm.nih.gov/geo/）并进行预处理
下载数据集GSE28829，GSE41571和GSE43292，使用Perl脚本和R软件的sva软件包进行原始数据的合并和预处理。然后，使用Perl脚本将每个基因的探针ID转换为基因名。
2. CIBERSORT分析免疫浸润
CIBERSORT的LM22基因文件用于定义22个免疫细胞亚群，这些数据可从CIBERSORT网站（http://CIBERSORT.stanford.edu/）进行下载。使用CIBERSORT对表达文件的P值和均方根误差进行计数，获得免疫细胞收据，使用R包，corplot，vioplot和ggplot2进行结果的可视化。
3. 免疫浸润细胞分析
对斑块中浸润的免疫细胞进行了相关分析，结果表明活化的肥大细胞和TFH细胞显示出协同的作用。 同时，CD8 T细胞和M0巨噬细胞显示出最强的竞争作用。
对免疫浸润细胞进行PCA分析，结果表明，免疫浸润可以区分晚期斑块和早期斑块。
4. GSEA分析
将所有表达数据分为早期和晚期斑块组，然后进行GSEA分析。结果显示与免疫细胞和免疫相关功能高度相关
5. 差异表达分析
使用R软件limma包分析早起、晚期斑快差异基因（log 2 (fold change)>1 ，adjusted p value < .05），pheatmap包进行结果哟可视化。
6. 差异基因GO、Pathway富集分析
使用Cluster Profiler包对差异进进行GO、Pathway分析。使用ggplot2包进行结果可视化。
