AIMS包的介绍（根据生信技能树Jimmy老师分享的乳腺癌分子分型包资料整理）_absolute assignment of breast cancer intrinsic mol-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_51547801/article/details/123781728

本文介绍了基于R语言的AIMS包在乳腺癌分子分型中的应用，包括在McGill和BreastCancerVDX数据集上的亚型分配。此包提供了一种独立于数据集组成的绝对亚型分配方法，简化了基因表达谱分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

AIMS包的介绍（根据生信技能树Jimmy老师分享的乳腺癌分子分型包资料整理，感谢Jimmy老师！）

1.在 McGill数据集上分配 AIMS 亚型
2.仅给一个样本分配亚型
3.在 vdx 数据集上分配 AIMS 亚型

期刊: Journal of the National Cancer Institute
论文：Absolute Assignment of Breast Cancer Intrinsic Molecular Subtype
Bioconductor link: https://www.bioconductor.org/packages/release/bioc/html/AIMS.html
亮点：几种生物信息学工具可用于从基因表达谱中推断患者亚型，包括经过充分研究的PAM50。这些工具中使用的特定算法方法需要访问大量的患者数据集。个体的亚型选择是相对于整个小组中所有其他患者的确定的，这使得亚型严重依赖于数据集的组成。我们的目标是开发一种生物信息学方法，独立于数据集组成，分配绝对乳腺癌亚型。曾老师：这个包用起来很方便，一个矩阵和其基因id，单个函数就解决了问题，很棒。

在这个案例研究中，我们将使用论文中描述的McGill数据集的一小部分，以及BreastCancerVDX。

1.在 McGill数据集上分配 AIMS 亚型

#我们首先需要加载AIMS包和我们的示例数据集。
# if (!require("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
# BiocManager::install("AIMS")
# BiocManager::install("breastCancerVDX")
# BiocManager::install("hgu133a.db")

library(AIMS)
#为了获得数据集的乳腺癌亚型，需要提供没有经过基因中心技术处理过的基因表达值。这意味着所有的表达式值都是正的。在双色阵列的情况下，用户应该只选择包含肿瘤样本的通道(通常是Cy5通道)。
# AIMS 要求使用 Entrez id 以防与易变的gene symbols产生混淆。
data