免疫浸润的研究目前是如火如荼，可谓是现在研究的热点话题，很多纯生物信息学的文章也在不断的抢发该领域的文章。今天小编给大家分享一个关于肿瘤纯度的计算的帖子。
首先会给大家简单介绍一下肿瘤的微环境，肿瘤微环境是肿瘤细胞所处的细胞环境，其组成包括细胞外基质、可溶性分子和肿瘤基质细胞。许多细胞，如T细胞、髓源抑制细胞、巨噬细胞等，都被催化至此，构成肿瘤的微环境。可以看出肿瘤微环境不仅仅包括免疫微环境还包括基质微环境。而我们目前最多见到的便是肿瘤免疫微环境。
在肿瘤微环境中，免疫细胞和基质细胞是两种主要类型的非肿瘤组分，并且已被提出对于肿瘤的诊断和预后评估具有价值的。而目前对于肿瘤纯度计算用的最多的便是ESTIMATE算法。其官网地址如下：https://bioinformatics.mdanderson.org/estimate/rpackage.html
ESTIMATE全称为Estimation of STromal and Immune cells in MAlignant Tumor tissues using Expression data，即利用表达数据估计恶性肿瘤组织中的基质细胞和免疫细胞。通过使用ESTIMATE算法，我们预测出免疫评分和基质评分，从而预测基质细胞和免疫细胞的含量，预测到基质和免疫细胞的含量之后，便可以计算每个肿瘤样本中的肿瘤纯度，如果基质细胞和免疫细胞含量多了，那么肿瘤纯度就低，反之肿瘤纯度就高了。
预测用到的数据就是基因表达的数据，通过ESTIMAT软件预测，可以得到三列信息：
stromal scor 基质细胞打分
immune score 免疫细胞打分
ESTIMATE安装很简单，如下：
使用很简单，首先准备一个表达谱数据，这里我们直接利用内置的表达谱数据，如下：
system.file函数是做什么的呢？这个函数是可以获取R包内的测试文件的路径，如下：
另外需要注意的一点：filterCommonGenes函数可以支持 Gene Symbol或 Entrez Gene ID 。
需要借助的是estimateScore函数，输入刚产生的gct文件和一个需要导出的路径位置即可。注意platform，由于测试数据使用的芯片数据，所以 plotform 的值是 affymetrix，如果是二代测序数据，则需要把 platform的值设置为 illumina。
最后的scores的最后一列即代表肿瘤纯度。
Ok，今天的推文就到这，我们分享了如何使用ES工具计算每个肿瘤样本的纯度，希望能对大家有所帮助，最后，欢迎大家留言，有不正确的地方，也请大家留言指正。
