CAMOIP，关于追“星”这件事

读者朋友们大家好呀，公众号本月发布了多篇关于“泛癌”、“肿瘤免疫”的文章思路和解读，提起这两位SCI发表思路的“明星”，想必不少读者有这样的烦恼，缺乏编程背景知识，有什么工具可以帮我们更好的挖掘数据从而追星呢？小编作为老司机，这就带你们上车4月9日发表于BIB的泛癌免疫治疗多组学在线分析工具——CAMOIP。

为什么要开发CAMOIP？

免疫疗法为临床医生治疗癌症提供新机遇，然而目前临床上只有部分病人能够获益于免疫治疗。而近年来对接受免疫治疗的肿瘤患者进行高通量测序的研究产生了大量的表达数据和突变数据，这为寻找候选药物靶点和筛选与免疫治疗相关的生物标志物提供了前所未有的机会。

虽然现有的在线工具，如Xena、cBioPortal、Human Protein、Atlas portal、Expression Atlas、GEPIA2等，使生物学家能够分析肿瘤的表达、突变和预后数据，但目前它们还无法实现与免疫治疗相关的数据挖掘和机制分析。为了能够对免疫治疗队列同时进行生存分析、通路富集分析、突变景观分析、表达分析、免疫浸润分析和免疫原性分析，作者研发了一款泛癌免疫治疗多组学分析工具CAMOIP。

CAMOIP的服务器端和交互式数据处理是基于R执行的，原始数据来源于 cBioPortal、Gene Expression Omnibus、Genomic Data Commons DataPortal和TCGA数据库，用户可以围绕生存分析、通路富集分析、突变景观分析、表达分析、免疫浸润分析和免疫原性分析这六大板块进行分析和数据下载。

CAMOIP要怎么用？

CAMOIP的主界面如下所示，简要介绍了其使用的临床队列信息，用户可以在界面提供的体图中找到每个肿瘤对应的免疫治疗队列样本数。

（1）生存分析

在生存分析模块，CAMOIP允许用户在免疫治疗队列或TCGA队列中，根据基因突变水平（野生型vs 突变型）或基因表达水平（表达高 vs 表达低）进行生存分析，从而生成Kaplan-Meier分析和cox-回归分析的可视化结果。

（2）表达分析

在表达分析模块，用户可以选择肿瘤类型和相应的基因表达数据进行差异分析和可视化。用户可以通过箱线图的形式进一步可视化不同突变状态下的基因表达差异，或感兴趣基因的高表达和低表达状态。此外，用户还可以选择表的形式来分析特定突变组或表达组下所有基因的差异表达。

（3）突变景观分析

突变景观分析模块允许用户分析不同突变、改变组或表达组下的基因突变频率概况。用户可以选择比较不同组之间的兴趣基因的突变频率差异。此外，该模块允许用户识别热图上基因的突变类型，如剪接位点、错义突变、移码突变、无义突变、读码框内插入和缺失等，以及驱动基因类型如致癌基因、融合基因和肿瘤抑制基因。

（4）免疫原性分析

免疫原性是影响免疫治疗应答的最重要因素之一，CAMOIP为用户提供了一种简单的分析方法。用户可以选择不同的肿瘤，比较突变型和野生型、高表达和低表达组之间的TMB、新抗原负荷和MANTIS打分的差异。分析采用Mann-Whitney U检验，结果可视化为一个方框图。

（5）免疫浸润分析

在免疫浸润分析模块，CAMOIP为用户提供了一个分析免疫细胞、免疫基因和免疫相关评分随时间变化的机会。免疫细胞分数的计算使用了CIBERSORT, MCPcounter, EPIC, quanTIseq 和IPS。用户可以选择分析不同组间免疫相关基因表达的差异，免疫相关基因的功能包含包括抗原呈递、B细胞、CD4+T细胞、CD8+T细胞、细胞溶解活性、ICIs、抑制相关、巨噬细胞、中性粒细胞、NK细胞、pDCs、刺激相关、I型IFN反应和II型IFN反应。除免疫细胞和免疫相关基因外，用户还可以比较不同组间免疫评分的差异。

（6）通路富集分析

在通路富集分析模块，CAMOIP可以根据非同义基因突变状态或表达的水平，对不同肿瘤样本的表达数据进行GSEA和ssGSEA分析。GSEA结果可以使用GSEA图、点图、山脊图和Emap图来表示。对于ssGSEA，用户可以在不同的数据集中选择不同的基因突变状态或表达状态，并使用Boxplot对相关通路的ssGSEA分数进行差异分析。

在数据分析中，用户可以通过选择不同的队列、数据集、基因符号和颜色选项来获得相应的可视化结果，在用户提交请求后，CAMOIP将向用户提供矢量图像和表格。CAMOIP提供的结果可以直接通过点击图片下面的PNG和PDF按钮来下载PNG或PDF格式的图像文件，并通过点击表格底部的CSV来下载CSV格式的结果文件。

小编总结

利用CAMOIP中生存分析、通路富集分析、突变景观分析、表达分析、免疫浸润分析和免疫原性分析这六大模块，我们能够筛选泛癌免疫治疗预后标志物，并分析其潜在机制。CAMOIP的研发者收集了大量的免疫治疗队列信息以及TCGA队列信息，量大管饱，快快学习起来吧!

Lin A, Qi C, Wei T, Li M, Cheng Q, Liu Z, et al. CAMOIP: a web server for comprehensive analysis on multi-omics of immunotherapy in pan-cancer. Briefings in bioinformatics. 2022.