כל הניסויים בבעלי חיים אושרו על ידי ועדת ניסויים בעלי חיים של LUMC והוצאו להורג על פי ההנחיות לניסויים בבעלי חיים של LUMC בהתאם להנחיות של ועדות הולנדית ואירופית. הערה: עבור הגדרת ניסיוני, C57BL/6 עכברים היו תת-עורי חוסנו על האגף הימני עם גידול המעי הגס מורלין MC38 בריכוז של 0.3 x 106 תאים/200 μl של פוספט מאגור מלוחים (PBS). לאחר 10 ימים, כאשר הגידולים היו מוחשי, העכברים טופלו עם L1 המשטרה לחסימת נוגדנים (שיבוט MIH-5, 200 μg/עכבר, הזרקת פנים-הצפק) או היו ללעוג. גידולים היו resected 3 ימים לאחר מכן לאחר PD-L1 הזרקת, מעובד לשעבר vivo, וניתח על ידי cytof המוני cytof try באמצעות 38 סמנים13. 1. ציוד ותוכנה לניתוח נתונים הערה: השתמש במחשב (Windows 7 או יותר) ומעבד I5 ב-2.4 ג’יגה-הרץ או שווה ערך, זיכרון מותקן RAM 6 gb, ו-10 gb של שטח פנוי בכונן הקשיח. החבילה R ציטוfast משתמש בפונקציות קיימות: בעיקר flowcore, פאטמפהו- ggplot. שורות הפקודה שיבוצעו ב-R נכללות בפרוטוקול. ניתן למצוא את המשאב עבור הוראות R ב- https://education.rstudio.com/. כדי להתקין את החבילה ציטוfast , הפעל את R (גירסה “3.6”) והתקן את bioconductor נצח גירסה 3.9 על-ידי הזנת הקוד הבא:אם (! בשקט = TRUE)התקנת חבילות (“BiocManager”)BiocManager:: התקנה (“ציטומהיר”) ודא שהחבילה נטענת בסביבה הרצויה על-ידי הפעלת הפעולות הבאות:ספריה (ציטומהר) 2. יצירת אשכולות הערה: כדי להציג את שתי שיטות התקבצות באשכולות ו flowsom עם ציטומהר, התאים NK (CD161+) בסביבת הגידול מיקרו 3 ימים לאחר טיפול PD-L1 מנותח. קיבוץ באשכולות המבוצע על-ידיCytosplore לאחר הורדה והתקנה של ציטותיםore, מתארח ב < www. . אנימבין. ארגון >, להעלות את קבצי. fcs (קבצים משלימים 1.1 – 1.8 [קבצי קלט ציטופיפוט]) על ידי לחיצה על קובץ | פתח קובץ FCS (s) בציטובטור. הוסף תג דוגמה ייחודי כערוץ על-ידי לחיצה על הוסף תג דוגמה ייחודי כערוץ כאשר תתבקש ובחר קופקטור עבור המרה arcsinh היפרבולי (ברירת המחדל היא 5). בחר באפשרות ‘ הפעל את H-SNE’, הפעל רמת hsne של 3 והמתן ליצירת המפה.הערה: שלב זה עשוי לדרוש זמן מה, בהתאם למספר התאים שנותחו ולרמת HSNE שנבחרו. ברמת HSNE הראשונה, בדוק את התאים החיוביים עבור CD161. בחר את התאים CD161+ ולחץ לחיצה ימנית לתוך הבחירה. בשלב השני, חזור על ההליך כדי להגיע לרמה השלישית עם CD161+ אירועים בלבד. לאחר יצירת מפת ה-tSNE האחרונה, שמור את האשכולות שהוגדרו על-ידי ציטושפיץ באמצעות לחיצה ימנית על מפת tsne ובחר באפשרות ‘ שמור אשכולות’. בחר את הספריה של קבצי הפלט כפי שהתבקש על-ידי ציטופיאגור ושים לב למיקום זה, מאחר שספריה זו תהיה בשימוש כדי לטעון את קבצי ה-. fcs לתוך R.הערה: ניתן לשנות את מספר קבוצות המשנה באופן ידני על-ידי שינוי ערך ה-סיגמא. ערך סיגמא נקבע כברירת מחדל ב-30; עם זאת, המספר הממשי של קבוצות משנה תלוי בקלט. כאן, מזהה ציטוהאגור 10 ערכות משנה שונות, כאשר כל קובץ מייצג קבוצת משנה אחת. השתמש בשם פשוט (תווים בלבד) בעת שינוי שם של קבצי הפלט, אשר יגרום לזיהוי ולטיפול נוסף בקלות. שמור את קבצי הפלט על-ידי בחירה באפשרות שמור.הערה: לאחר שמירה, תיקיה נוצרת על-ידי הקובץ. fcs , כאשר כל אחד מהקבצים מתאים לאשכולות המזוהים ב- ציטופיאגור. השלב הבא יהיה לטעון את הקבצים לתוך R בעזרתו של ציטומהר. כאן, קבצי הפלט שנוצר מסופקים קבצים משלימים 2.1 – 2.10 (קבצי פלט ציטופלוט). טען את קבצי הפלט שנוצרו על-ידי התכונה ‘ ציטומה ‘ ב-R באמצעות הפונקציה המיועדת: Readציטוsplorcs.מ< הוראות-"C:\\\users\\cps\tuplls\\thps"cfData <-Readציטוspcs (dir = dirFCS, colNames מות = "תיאור") נקה את הנתונים על-ידי הסרת פרמטרים מסוימים כגון “זמן” ו-“רקע”. בדוק את מיקום העמודה הקשורה לפרמטרים המיותרים שלה והסר אותה מהמטריצה.שמות colnames cfData@expr)cfData@expr <-cfData@expr [,-c (3, 4, 6, 8:10, 46:49, 51:54)]הערה: ניתן לראות את העמודות הלא נחוצות על-ידי קריאת שמות העמודות של המטריצה שנוצרה. על-ידי הפעלת colnames מות (cfData@expr) פעם נוספת, ודא שרק הפרמטרים הרצויים מתקבלים. סדר מחדש את הסמנים כך שסמני שושלת היוחסין יוצגו תחילה, ואחריהם סמנים פונקציונליים.cfData@expr < cfData@expr [, c (1, 2, 3, 35, 36, 31, 9, 10, 17, 8, 7, 15, 18, שמונה, 37, 20,29, 40, 5, 30, 33, 11, 34, 14, 19,32, 28, 6, 7, 4, 12, 13, 17, 16, 15,21, 22, 24, 25, 26, 27, 38, 39]הערה: Step 2.1.8 הוא אופציונלי. קשר את ה-meta קובץ נתונים לנתונים שנוצרו מציטומנור על-ידי העלאת קובץ ה-metafile של הגיליון האלקטרוני המכיל מידע קליני (משלים File 3).ספריה (readxl)מטא <-read_excel ("C:\\\users\\cps\ee\\\t.s\cp\n sample_id. xlsx")cfData@samples <-data. frame (meta)הערה: ביצוע האשכולות שבוצע על ידי ציטוהאגור כעת הסתיים. אפשרות לקיבוץ באשכולות חלופית לציטובין היא flowsom והיא מתוארת בסעיף 2.2. לאחר ביצוע אחד משני שלבי האשכול, המשך בשלב ההדמיה (סעיף 3). קיבוץ באשכולות המבוצע על-ידיFlowSOM התקן תחילה את Flowsom ב-R על-ידי הפעלת הפקודה הבאה:אם (! בשקט = TRUE)התקנת חבילות (“BiocManager”)ביורוקנג:: התקנה (“FlowSOM”)ספריה (FlowSOM) התקן את חבילת flowCore בשיטה דומה וטען אותה בסביבה על-ידי הפעלת הפעולות הבאות:אם (! בשקט = TRUE)התקנת חבילות (“BiocManager”)BiocManager:: התקנה (“flowCore”)ספריה (FlowSOM) טען את הנתונים הגולמיים שסופקו בקבצים משלימים 4.1 – 4.8 (קלט flowsom של fcs), שהיו מגודרת בעבר באירועים CD161 +, ב-R באמצעות הפונקציה קריאה. flowsom.fcs_raw <-קריאה. flowSet (נתיב = "C:\\:\users\\share\cps\tul\\:mers", תבנית = ". fcs", טרנספורמציה = FALSE, truncate_max_range = FALSE, seed = 123) בחר את הסמנים הביולוגיים הרלוונטיים (הסר “רקע” או “זמן”) על-ידי בחירת העמודות המתאימות ושינוי הנתונים באופן arcsinh5 כפי שמוצג בקוד שלהלן (כאן, הסרת עמודות 1, 2, 4, 5, 6, 17, 21, 24, 25, 34, 35, 37, 38, 51, שאינם מתאימים החלת קופקטור של 5 כפי שהוחל קודם לכן באמצעות הציטובטור, על ידי בחירת קופקטור = 5 בפונקציה שלהלן.fcs_raw <-fsApply (fcs_raw, פונקציה (x, קופקטור = 5) {colnames מות (x) <-fcs_raw [[1]] @parameters @data $ descexpr <-exprs (x)expr <-asinh (expr [,-c, 1, 2, 4, 5, 6, 17, 21, 24, 25, 34, 15, 7, 8, 35, 36, 37, 38, 51)]/קופקטורexprs (x) <-exprreturn (x)}) אשכול את הנתונים באמצעות הפונקציה Flowsom . כדי להשוות את Flowsom ואת הציטופלוט, בחר לקבץ את הנתונים בעשר קבוצות מידע כפלט שהושאר בעבר על-ידי ציטוהאגור.fsom <-FlowSOM (fcs_raw, טרנספורפונקציה = FALSE, קנה מידה = FALSE,שינוי גודל. מרכז = false, קנה מידה. scale = FALSE, שקט = FALSE, כגון = c (1:37),nClus = 10, maxMeta = 10, חשיבות = NULL, seed = 123)הערה: ניתן לשנות זאת באופן ידני על-ידי המשתמש. הקצה כל תא לקבוצת המשנה המזוהה ולמזהה המדגם שלו.subset_id < כפקטור (fsom $ FlowSOM $ מפה $ מיפוי [, 1])רמות (subset_id) <-fsom $ מוקשרתראש (subset_id) טען את קובץ המטא-נתונים ב-R (זמין בקובץ משלים 5) המכיל את הקצאת הקבוצה וקשר אותו לקבצי ה-. fcs.סמלאיד <-read_excel ("C:\\:\usernams\\ct\\\t.s\le\n sample_id. xlsx")סמלמד <-na. השמט (סמליאיד)סמלאיד $ סמליאיד <-כפקטור (סמליאיד $ סמליאיד)סמלאיד $ קבוצה <-as. פקטור (קבוצת סמבלאיד $)סמליאיד $ CSPLR_ST < בתור פקטור (סמליאיד $ CSPLR_ST)סאמלאיד <-כנתונים. מסגרת (סמליאיד)שמות (סמליאיד) [3] <-"סאמליאיד"סמלאיד <-lapply (fsom $ FlowSOM $ מטא-נתונים, פונקציה (x) {נציג (x [1], כל = אורך (x [1]: x [2]))}מ<-NULL (סמלאיד, שמות)סמלאיד < בתור פקטור (ללא רשימה (סמליאיד))סמלאיד <-נתונים. מסגרת (סמליאיד)רמות (סמלאיד) <-הדבקה ("מזהה", 1: dim (סמליאיד) [1], ספט = "_")df <-נתונים. מסגרת (subset_id, סמליאיד, fsom $ FlowSOM $ נתונים [, c (1:37)])שינוי שם של <-data. frame (colpar = fcs_raw [[1]] @parameters @data $ desc)שמות colnames (df) <-c ("ברדק", "סמלאיד", שינוי שם של $ colnames [c (1:37)])df $ מזהה ברדק <-as. פקטור (df $ ברדק מזהה)df $ סמלאיד < כפקטור (df $ סמבלאיד) צור cfList המבוסס על הנתונים שהתקבלו מ- Flowsom על-ידי הפעלת הסקריפט הבא:cfData <-Cfdata (דגימות = סמבלאיד,expr = df) סדר מחדש את הסמנים כך שיופיעו באופן דומה לפלט מניתוח ה- ציטומרמור .cfData@expr < cfData@expr [, c (1, 2, 34, 36, 37, 10, 23, 24, 31, 22,38, 15, 8, 3, 27, 9, 11, 28, 35, 26,14, 33, 17, 20, 21, 18, 25, 29, 13,30, 12, 16, 32, 4, 5, 6, 7, 19, 39]הערה: הקיבוץ באשכולות על-ידי flowsom הסתיים כעת. לאחר מכן, בצע הדמיה של פלט הקיבוץ באשכולות. 3. הדמיה: ניתוח לאחר עיבוד באשכולות הערה: שלב זה הוא שיטה המשותפת לשתי שיטות האשכול. לכן, ניתן לבצע אותה לאחר קיבוץ באשכולות באמצעות Flowsom או ציטובין. לפני יצירת מפות החום, צור את טבלת הספירה לדוגמה באמצעות הפונקציה cellCounts כפי שמוצג בקוד שלהלן. מאחר שאשכולות מסוימים מכילים פחות תאים מאחרים, שנה את קנה המידה של הנתונים בכל אשכול על-ידי ציון “קנה מידה = TRUE” בתוך ה-cellCounts של הפונקציה, כך שניתן יהיה לראות בקלות את הפיזור בין הדגימות.cfData <-cellCounts (cfData, תדירות = TRUE, קנה מידה = TRUE)הערה: כעת ניתן לדמיין את הנתונים. . תדמיין עם מפת חוםהערה: אחת הפונקציות העיקריות של חבילה זו היא ציטוחום מפות, אשר משמש כדי להמחיש את הפנוטיפ של האשכולות שנוצרו, כמו גם את הטרוגניות שלהם ביחס דגימות.מפות ציטוחום (cfData, קבוצה = “קבוצה”, מקרא = TRUE) ויזואליזציה עם מגרשיםהערה: ניתן לייצג נתונים באופן כמותי על-ידי קריאה לפונקציה cytoBoxplots. הפלט של פונקציה זו מייצג את הפרופורציה של כל מדגם עבור כל אשכול. צור את ספירת התא כפי שנעשה בשלב 3.1, אך אל תשנה את גודל הנתונים כדי לקבל את התדירות של כל אשכול.cfData <-cellCounts (cfData, תדירות = TRUE, קנה מידה = FALSE)ציטובוקמגרשים (cfData, קבוצה = “קבוצה”) ויזואליזציה עם היסטוגרמה של אות בעוצמה חציוןהערה: הנתונים יכולים גם להיות מדמיינו על ידי ייצוג היסטוגרמה העוצמה חציון האות. המחש את עוצמת הביטוי של שלושה סמנים: CD45, CD11c וCD54. בדוק את שמות הסמנים הרצויים על-ידי קריאה לשורה הבאה. שים לב לשמות הסמן וכלול אותו בפונקציה msiPlot.שמות (cfData@expr)הערה: כאן, התמקד ב-CD45, CD11C וCD54. בדוק את האיות המדויק של הסמנים והתאם במידת הצורך:msiPlot (cfData, סמנים = c (“89Y_CD45”, “167Er_CD11c”, “164Dy_CD54”), byGroup = ‘ קבוצה ‘)