R语言实战：手把手教你用CIBERSORT分析肿瘤免疫浸润（附LM22文件下载与避坑指南）-编程阁

R语言实战：零基础掌握CIBERSORT肿瘤免疫浸润分析

第一次打开RStudio时，看着满屏的代码和报错信息，那种手足无措的感觉我至今记忆犹新。如果你正处在这样的阶段，希望用CIBERSORT分析肿瘤免疫微环境却不知从何下手，这篇指南就是为你准备的。不同于晦涩的理论讲解，我们将用最直白的语言，一步步拆解从软件安装到结果解读的全过程，甚至包括那些教科书上不会写的"坑"和解决方案。

1. 准备工作：搭建你的R分析环境

在开始分析之前，我们需要确保R环境配置正确。许多初学者90%的问题都源于基础环境没准备好。打开你的RStudio，我们从头开始配置。

1.1 必备软件安装

首先确认你已安装以下软件（附最新版本下载链接）：

R语言(≥4.0)：官方下载
RStudio(推荐2023.06+)：下载页面
Git(可选，用于代码管理)：Git下载

提示：Windows用户请右键选择"以管理员身份运行"安装程序，避免后续包安装权限问题

1.2 关键R包安装

在R控制台逐行执行以下命令安装依赖包：

# 设置CRAN镜像加速下载（国内用户建议使用清华镜像） options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) # 安装基础依赖包 install.packages(c("e1071", "parallel", "preprocessCore")) # 对于preprocessCore安装失败的情况（常见于Windows） if (!require("preprocessCore")) { if (!require("BiocManager")) install.packages("BiocManager") BiocManager::install("preprocessCore") }

常见问题解决方案：

报错"package not available"：检查R版本是否≥4.0
安装卡顿：更换镜像源chooseCRANmirror()
权限错误：Windows用户尝试以管理员身份运行RStudio

1.3 获取CIBERSORT脚本文件

官方提供的CIBERSORT.R脚本可通过以下方式获取：

# 方法1：直接从GitHub下载 download.file( url = "https://raw.githubusercontent.com/singha53/amritr/master/src/R/supportFunc_cibersort.R", destfile = "CIBERSORT.R" ) # 方法2：手动保存（推荐） # 访问 https://rdrr.io/github/singha53/amritr/src/R/supportFunc_cibersort.R # 全选代码 → 复制 → 在RStudio中新建脚本文件 → 粘贴 → 保存为"CIBERSORT.R"

注意：保存路径不要包含中文或特殊字符，建议直接放在工作目录下

2. 关键数据准备：LM22与表达谱

2.1 获取LM22特征矩阵

LM22是CIBERSORT分析的"钥匙"，包含22种免疫细胞的基因特征。获取步骤：

访问Nature Methods原论文
找到"Supplementary Information"部分
下载"Supplementary Table 1"（XLS格式）
在Excel中：
- 删除前两行说明文字
- 另存为"制表符分隔的文本文件(.txt)"
- 重命名为"LM22.txt"

文件结构应如下所示：

GeneSymbol B.cells.naive B.cells.memory ... Neutrophils A1BG 0.001 0.0002 ... 0.003 A2M 0.005 0.004 ... 0.001 ... ... ... ... ...

2.2 准备表达谱数据

你的基因表达数据需要满足以下要求：

格式：基因名(行)×样本名(列)的矩阵
预处理建议：
- 去除低表达基因（TPM/FPKM>1的基因保留）
- 基因名统一为Gene Symbol
- 缺失值用0或中位数填充

保存为制表符分隔的文本文件（例如"expr_data.txt"），示例结构：

GeneSymbol Sample1 Sample2 ... SampleN TP53 10.2 8.5 ... 12.1 BRCA1 5.3 6.8 ... 4.9 ... ... ... ... ...

常见错误排查：检查文件编码是否为UTF-8，行尾符为LF（Unix格式）

3. 运行CIBERSORT分析

3.1 基础分析流程

准备好脚本和数据后，运行分析只需几行代码：

# 加载CIBERSORT函数 source("CIBERSORT.R") # 运行分析（示例参数） results <- CIBERSORT( sig_matrix = "LM22.txt", # 特征矩阵文件 mixture_file = "expr_data.txt", # 表达谱文件 perm = 1000, # 置换次数（计算p值） QN = TRUE # 分位数归一化（芯片数据用TRUE，测序数据用FALSE） ) # 查看结果概览 head(results)

参数说明：

参数名	推荐设置	作用说明
`perm`	100-1000	置换次数，0表示不计算p值
`QN`	TRUE/FALSE	是否进行分位数归一化
`absolute`	FALSE	是否返回绝对丰度（需特殊矩阵）

3.2 结果解读

典型输出包含以下列：

样本ID
22种免疫细胞的比例估计
质量评估指标：
- P-value：置换检验p值（<0.05表示结果可靠）
- Correlation：预测与实际表达的相关系数
- RMSE：均方根误差

示例结果片段：

> results[1:3, c(1:3, 24:26)] B.cells.naive B.cells.memory Plasma.cells P-value Correlation RMSE Sample1 0.0523 0.0214 0.0031 0.012 0.892 0.214 Sample2 0.0487 0.0189 0.0028 0.021 0.865 0.231 Sample3 0.0612 0.0253 0.0035 0.008 0.912 0.198

4. 进阶技巧与问题排查

4.1 常见报错解决方案

问题1：Error in read.table(sig_matrix)

检查文件路径是否正确（建议使用绝对路径）
确认文件编码为UTF-8无BOM
尝试file.exists("LM22.txt")验证文件可读性

问题2：missing preprocessCore package

重新安装Bioconductor依赖：

if (!require("BiocManager")) install.packages("BiocManager") BiocManager::install("preprocessCore", force = TRUE)

问题3：结果全为NA或0

检查基因名是否匹配（大小写、符号版本）
确认表达值经过log2转换（若非log值，设置QN=FALSE）

4.2 结果可视化建议

基础饼图绘制代码：

# 提取免疫细胞比例数据（排除最后三列统计量） cell_prop <- results[, 1:22] # 绘制样本1的组成饼图 pie(cell_prop[1, ], col = rainbow(22), main = "Sample1 Immune Composition", cex = 0.8)

更推荐使用ggplot2绘制堆叠柱状图：

library(ggplot2) library(reshape2) # 数据整理 plot_data <- melt(cell_prop) colnames(plot_data) <- c("Sample", "CellType", "Proportion") # 绘制 ggplot(plot_data, aes(x = Sample, y = Proportion, fill = CellType)) + geom_bar(stat = "identity") + theme_minimal() + labs(title = "Immune Cell Composition Across Samples")

4.3 性能优化技巧

并行计算：Linux/Mac用户可通过设置mc.cores参数加速
```
options(mc.cores = parallel::detectCores() - 1)
```
大数据分块：样本数>100时，分批运行避免内存溢出
结果缓存：使用saveRDS保存中间结果
```
saveRDS(results, "cibersort_results.rds")
```

5. 实际案例分析

以一个真实的TCGA乳腺癌数据集为例，演示完整分析流程：

# 下载示例数据（需预先安装TCGAbiolinks） if (!require("TCGAbiolinks")) { BiocManager::install("TCGAbiolinks") } library(TCGAbiolinks) # 获取BRCA基因表达数据 query <- GDCquery( project = "TCGA-BRCA", data.category = "Transcriptome Profiling", data.type = "Gene Expression Quantification", workflow.type = "STAR - Counts" ) GDCdownload(query) data <- GDCprepare(query) # 数据预处理 expr_data <- assay(data, "unstranded") rownames(expr_data) <- rowData(data)$gene_name expr_data <- expr_data[rowMeans(expr_data) > 1, ] # 过滤低表达基因 write.table(expr_data, "tcga_brca.txt", sep = "\t") # 运行CIBERSORT source("CIBERSORT.R") brca_results <- CIBERSORT("LM22.txt", "tcga_brca.txt", perm = 100, QN = FALSE) # 结果关联临床信息 clinical <- colData(data) brca_results <- merge(brca_results, clinical, by.x = "row.names", by.y = "barcode")

通过这个流程，我们可以进一步分析不同乳腺癌亚型间的免疫浸润差异，或探索特定免疫细胞与患者预后的关系。