前面的分析中，整理好的关键基因集表达谱矩阵，接下来就准备分子亚型的相关分析。
六、一致性聚类构建分子亚型
在6.TCGA和GEO差异基因获取和预后数据的整理\TCGA文件中获取文件
准备一个生存数据和表达谱矩阵，这里需要注意的是，修改tcga.merge.cli.txt文件，为了区分，我们改一下名字cli.txt
打开文件tcga.T.dat.txt，转置这个很重要，未来区分，我们改一下名字tcga.T.dat1.txt
使用一致性聚类工具进行分析（http://www.sxdyc.com/clusterConsistentAnalyse）
提交后，如果这里出现报错，我们需要查看一下样本的对应关系，在前面的分析过程中，表达谱矩阵的样本有重复，所以出现部分样本没有在生存时间中出现，所以这里我们可以对生存数据的样本重新整理。（首先、对tcga.T.dat.txt按照样本使用去重工具去一下重复，对去重后的表达谱样本和生存数据重新取交集）
去重（http://www.sxdyc.com/removeweight）
运行成功后，下载数据，打开文件，转置（行列交换），并改名为tcga.T.dat1.txt
在生存数据中去重在表达谱中不存在的样本，重新提交进行一致性聚类
这里粗略的介绍一下，我们可以选择不同的计算度量聚类方法，聚类的方法和数据标准化的方法（raw:原始，scale：scale标准化，center：中心化）
运行成功后，下载相关的结果即可，查看KM曲线，如果预后无意义（p>0.05），这时候可以换一个度量聚类方法/聚类的方法/数据标准化的方法继续往下走，直到能得到预后有意义的分子亚型为止。
当然如果这里我们想显示，生存时间为年的，就在cli.txt文件中，修改生存时间，将天改为年即可。
七、ESTIMATE预测免疫浸润和差异分析
使用EStimate的方法计算免疫浸润的相关情况（http://www.sxdyc.com/immuneEstimateScore），使用文件（1.TCGA.pre/dat.process.txt.gz）
运行成功后，下载即可
打开dat.extimate.txt的文件，首先提取14-15位的字符串，保留01的样本，然后在取1-14位的字符串，最终做成一下结果
最后做成这个样子，然后zhendui
先去重（http://www.sxdyc.com/removeweight），运行成功后，改名为dat.estimate.process.txt
提取共有的样本，做一个箱线图，需要分型的文件
（http://www.sxdyc.com/geneExpression），运行成功后，改名为dat.estiamte.select.txt
绘制箱线图（http://www.sxdyc.com/immuneAbundanceCompar）
记得cluster2.txt的文件删掉生存时间和生存状态
运行成功后
当然也可以换其他的箱线图（http://www.sxdyc.com/singleCollectionTool）
八、mcpcounter免疫细胞浸润+免疫差异分析+热图
使用mcpcounter的方法计算免疫浸润的相关情况（http://www.sxdyc.com/immuneInfiltration），使用文件（1.TCGA.pre/dat.process.txt.gz）
运行完成后，下载即可
打开data.pre.txt的文件，去除肿瘤组织，只留1-12位的字符串（和ESTIAMTE一样的处理）
将列名中_mcpcounter去掉，当然，也可以不去
去重（http://www.sxdyc.com/removeweight），运行完成后下载，并改名为dat.mcp.process.txt，复制8.ESTIMATE预测免疫浸润中的cluster2.txt的文件
提取共同的样本，运行完成后，下载并改名为dat.mcp.select.txt
绘制箱线图（http://www.sxdyc.com/visualsBoxplot）
热图（http://www.sxdyc.com/visualsClusterHeat）
打开dat.mcp.select.txt文件，转置，并改名为dat.mcp.select.T.txt
如果想把列注释（样本分组）排序，就只需要打开cluster.2.txt文件，按照分组的名称进行排序，重新绘制此图即可
#################################
如果有兴趣可以关注公众号（豆芽数据分析）
有零代码复现相关问题，可以付费进入零代码答疑群和大家一起交流，群费为9.9元，拒绝白嫖党（添加微信：ShenxinBS003或者ShenxinBS001）
