实验1：突变数据处理与分析

作者

王诗翔

发布于

2026年4月23日

实验目标

通过本实验，学生将学会：

使用 maftools 读取和处理 MAF 数据
了解 MAF 数据的基本结构和字段
绘制突变概览图和 oncoplot
进行基因突变频率分析
完成生存分析实践

实验准备

安装必要包

# 安装 maftools
if (!require("BiocManager"))
    install.packages("BiocManager")
BiocManager::install("maftools")

# 加载包
library(maftools)

数据准备

本实验使用 maftools 内置的 TCGA LAML（急性髓系白血病）数据。

# 加载示例数据路径
laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools")
laml.clin <- system.file("extdata", "tcga_laml_annot.tsv", package = "maftools")

# 数据下载链接（课程网站提供）
# <a href="../data/tcga_laml.maf.gz" download>下载 MAF 数据</a>
# <a href="../data/tcga_laml_clinical.tsv" download>下载临床数据</a>

1. MAF 数据读取

创建 MAF 对象

# 读取 MAF 文件并合并临床数据
laml <- read.maf(maf = laml.maf, clinicalData = laml.clin)

# 查看 MAF 对象基本信息
laml

点击查看运行结果

An object of class  MAF
                    ID  summary   Mean  Median
 1:              Samples      193     NA      NA
 2:               Genes      880     NA      NA
 3:   Missense_Mutations     565     NA      NA
 4:   Nonsense_Mutations      85     NA      NA
 5:  Frame_Shift_Del_Ins      75     NA      NA
 6:            Variants     1627      8       6
 7:                TITV      193     NA      NA

查看 MAF 数据结构

# 查看样本概览
sample_summary <- getSampleSummary(laml)
head(sample_summary, 10)

点击查看运行结果

   Tumor_Sample_Barcode Mutations_per_sample Missense_Mutation Nonsense_Mutation
1:         TCGA-AB-2809                    6                3                0
2:         TCGA-AB-2810                   10                5                1
3:         TCGA-AB-2811                    5                2                1
4:         TCGA-AB-2812                    8                4                0
5:         TCGA-AB-2813                    7                3                1
...

# 查看基因突变概览
gene_summary <- getGeneSummary(laml)
head(gene_summary, 10)

点击查看运行结果

   Hugo_Symbol Mutations_per_gene Missense_Mutation Nonsense_Mutation Frame_Shift_Del
1:        FLT3                 54               29               8               5
2:        DNMT3A               48               22              10               4
3:         NPM1               30                1              16              13
4:         IDH2               20               10               0               0
5:         IDH1               18               13               0               0
...

# 查看变异类型分布
fields_summary <- getFields(laml)
head(fields_summary, 10)

查看临床数据

# 查看临床数据
clinical_data <- getClinicalData(laml)
head(clinical_data, 10)

点击查看运行结果

   Tumor_Sample_Barcode   FAB_classification Days_to_last_followup Overall_Survival_Status
1:         TCGA-AB-2809                    M4                   365                       Alive
2:         TCGA-AB-2810                    M3                   124                       Alive
3:         TCGA-AB-2811                    M1                    82                       Alive
...

2. 突变概览可视化

绘制突变概览图

# 绘制突变类型分布图
plotmafSummary(maf = laml, rmOutlier = TRUE, addStat = 'median', dashboard = TRUE)

点击查看结果说明

该图包含以下几个部分：

上方左图：各样本的突变数量分布
上方右图：突变类型分布（TITV）
下方左图：基因突变数量分布
下方右图：变异分类分布

绘制 Oncoplot

Oncoplot 是展示基因突变分布的核心可视化工具。

# 绘制前20个高频突变基因的 oncoplot
oncoplot(maf = laml, top = 20)

点击查看结果说明

Oncoplot 展示内容：

行：基因名称，按突变频率排序
列：样本，按突变模式聚类
颜色：不同突变类型
右侧条形图：基因突变频率
左侧条形图：样本突变数量

自定义 Oncoplot

# 添加临床数据注释
oncoplot(
    maf = laml,
    top = 10,
    clinicalFeatures = c("FAB_classification", "Overall_Survival_Status"),
    sortByAnnotation = TRUE
)

3. 突变频率分析

查看高频突变基因

# 获取高频突变基因列表
top_genes <- getGeneSummary(laml)
top_genes <- top_genes[order(-top_genes$Mutations_per_gene), ]
head(top_genes, 10)

绘制瀑布图（Waterfall Plot）

# 绘制特定基因的瀑布图
waterfall(
    maf = laml,
    genes = c("FLT3", "DNMT3A", "NPM1", "IDH1", "IDH2"),
    fontSize = 12
)

4. 突变类型分析

TITV 分析（转换颠换分析）

# 绘制 TITV 分析图
titv(maf = laml, plotType = "bar")

点击查看结果说明

TITV 分析展示：

转换（Ti）：A→G, G→A, C→T, T→C
颠换（Tv）：A→C, A→T, G→C, G→T, C→A, C→G, T→A, T→G
各样本的转换/颠换比例分布

变异类型分布统计

# 统计各变异类型数量
variant_counts <- laml@variant.classification.summary
print(variant_counts)

5. 生存分析实践

准备生存分析数据

# 查看可用临床数据字段
clinical_vars <- colnames(getClinicalData(laml))
print(clinical_vars)

基因突变生存分析

# 分析 FLT3 基因突变与生存的关系
mafSurvival(
    maf = laml,
    genes = "FLT3",
    clinicalData = getClinicalData(laml),
    clinicalFeature = "Overall_Survival_Status",
    timeFeature = "Days_to_last_followup"
)

点击查看结果解读指南

生存分析结果解读要点：

风险比（HR）：>1 表示突变增加风险，<1 表示突变降低风险
P值：<0.05 表示差异显著
生存曲线：直观展示两组生存差异
置信区间：反映估计的不确定性

比较多个基因

# 分析多个基因的生存差异
mafSurvival(
    maf = laml,
    genes = c("FLT3", "DNMT3A", "NPM1"),
    clinicalData = getClinicalData(laml),
    clinicalFeature = "Overall_Survival_Status",
    timeFeature = "Days_to_last_followup"
)

6. 突变关联分析

基因突变互斥/协同分析

# 分析基因突变之间的互斥或协同关系
somaticInteractions(
    maf = laml,
    top = 25,
    pvalue = c(0.05, 0.1)
)

点击查看结果说明

突变关联分析结果：

互斥（Mutually Exclusive）：基因突变很少同时发生
协同（Co-occurring）：基因突变常同时发生
P值：评估关联是否显著
热图：可视化关联模式

7. 数据子集操作

按样本筛选

# 随机选择部分样本进行分析
set.seed(123)  # 设置随机种子保证可重复性
samples <- laml@variants.per.sample$Tumor_Sample_Barcode
selected_samples <- sample(samples, 50)

laml_subset <- subsetMaf(laml, tsb = selected_samples)

# 查看子集数据
laml_subset

按基因筛选

# 选择特定基因进行分析
genes_of_interest <- c("FLT3", "DNMT3A", "NPM1", "TP53")
laml_genes <- subsetMaf(laml, genes = genes_of_interest)

# 查看筛选后的基因突变情况
getGeneSummary(laml_genes)

8. Oncoplot 进阶定制

添加基因通路注释

# 创建基因通路分组
pathways <- list(
    "Signaling" = c("FLT3", "KIT"),
    "Epigenetic" = c("DNMT3A", "IDH1", "IDH2"),
    "Transcription" = c("NPM1", "RUNX1")
)

# 绘制带通路注释的 oncoplot
oncoplot(
    maf = laml,
    top = 15,
    pathways = pathways,
    pathwayTitle = "Gene Pathways"
)

实验作业

完成以下练习并提交 R Markdown 报告：

作业1：绘制 Oncoplot

使用以下代码绘制 oncoplot：

library(maftools)
set.seed(学号)  # 请替换为你的学号

laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = 'maftools')
laml.clin <- system.file('extdata', 'tcga_laml_annot.tsv', package = 'maftools')

laml <- read.maf(maf = laml.maf, clinicalData = laml.clin)
samps <- laml@variants.per.sample$Tumor_Sample_Barcode
laml <- subsetMaf(laml, tsb = sample(samps, 150))

# 绘制 oncoplot
oncoplot(maf = laml, top = 20)

作业2：生存分析

挑选一个基因进行生存分析
说明挑选该基因的理由（参考文献或临床意义）
对生存分析结果进行解读

示例代码：

# 基因选择建议：查看基因突变频率和临床意义
gene_summary <- getGeneSummary(laml)
head(gene_summary, 20)

# 选择感兴趣的基因进行生存分析
mafSurvival(
    maf = laml,
    genes = "你选择的基因",
    clinicalData = getClinicalData(laml),
    clinicalFeature = "Overall_Survival_Status",
    timeFeature = "Days_to_last_followup"
)

提交要求

将分析过程整理为 R Markdown 文档
保存为 HTML 格式
包含完整的代码、结果和解读

--- title: "实验1：突变数据处理与分析" author: "王诗翔" date: "2026-04-23" execute: freeze: false eval: true echo: true output: true warning: false message: false format: html: toc: true toc-depth: 3 --- ## 实验目标通过本实验，学生将学会： - 使用 maftools 读取和处理 MAF 数据 - 了解 MAF 数据的基本结构和字段 - 绘制突变概览图和 oncoplot - 进行基因突变频率分析 - 完成生存分析实践 ## 实验准备 ### 安装必要包 ```r # 安装 maftools if (!require("BiocManager")) install.packages("BiocManager") BiocManager::install("maftools") # 加载包 library(maftools) ``` ### 数据准备本实验使用 maftools 内置的 TCGA LAML（急性髓系白血病）数据。 ```r # 加载示例数据路径 laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools") laml.clin <- system.file("extdata", "tcga_laml_annot.tsv", package = "maftools") # 数据下载链接（课程网站提供） # <a href="../data/tcga_laml.maf.gz" download>下载 MAF 数据</a> # <a href="../data/tcga_laml_clinical.tsv" download>下载临床数据</a> ``` ## 1. MAF 数据读取 ### 创建 MAF 对象 ```r # 读取 MAF 文件并合并临床数据 laml <- read.maf(maf = laml.maf, clinicalData = laml.clin) # 查看 MAF 对象基本信息 laml ``` <details> <summary>点击查看运行结果</summary> ``` An object of class MAF ID summary Mean Median 1: Samples 193 NA NA 2: Genes 880 NA NA 3: Missense_Mutations 565 NA NA 4: Nonsense_Mutations 85 NA NA 5: Frame_Shift_Del_Ins 75 NA NA 6: Variants 1627 8 6 7: TITV 193 NA NA ``` </details> ### 查看 MAF 数据结构 ```r # 查看样本概览 sample_summary <- getSampleSummary(laml) head(sample_summary, 10) ``` <details> <summary>点击查看运行结果</summary> ``` Tumor_Sample_Barcode Mutations_per_sample Missense_Mutation Nonsense_Mutation 1: TCGA-AB-2809 6 3 0 2: TCGA-AB-2810 10 5 1 3: TCGA-AB-2811 5 2 1 4: TCGA-AB-2812 8 4 0 5: TCGA-AB-2813 7 3 1 ... ``` </details> ```r # 查看基因突变概览 gene_summary <- getGeneSummary(laml) head(gene_summary, 10) ``` <details> <summary>点击查看运行结果</summary> ``` Hugo_Symbol Mutations_per_gene Missense_Mutation Nonsense_Mutation Frame_Shift_Del 1: FLT3 54 29 8 5 2: DNMT3A 48 22 10 4 3: NPM1 30 1 16 13 4: IDH2 20 10 0 0 5: IDH1 18 13 0 0 ... ``` </details> ```r # 查看变异类型分布 fields_summary <- getFields(laml) head(fields_summary, 10) ``` ### 查看临床数据 ```r # 查看临床数据 clinical_data <- getClinicalData(laml) head(clinical_data, 10) ``` <details> <summary>点击查看运行结果</summary> ``` Tumor_Sample_Barcode FAB_classification Days_to_last_followup Overall_Survival_Status 1: TCGA-AB-2809 M4 365 Alive 2: TCGA-AB-2810 M3 124 Alive 3: TCGA-AB-2811 M1 82 Alive ... ``` </details> ## 2. 突变概览可视化 ### 绘制突变概览图 ```r # 绘制突变类型分布图 plotmafSummary(maf = laml, rmOutlier = TRUE, addStat = 'median', dashboard = TRUE) ``` <details> <summary>点击查看结果说明</summary> 该图包含以下几个部分： - **上方左图**：各样本的突变数量分布 - **上方右图**：突变类型分布（TITV） - **下方左图**：基因突变数量分布 - **下方右图**：变异分类分布 </details> ### 绘制 Oncoplot Oncoplot 是展示基因突变分布的核心可视化工具。 ```r # 绘制前20个高频突变基因的 oncoplot oncoplot(maf = laml, top = 20) ``` <details> <summary>点击查看结果说明</summary> Oncoplot 展示内容： - **行**：基因名称，按突变频率排序 - **列**：样本，按突变模式聚类 - **颜色**：不同突变类型 - **右侧条形图**：基因突变频率 - **左侧条形图**：样本突变数量 </details> ### 自定义 Oncoplot ```r # 添加临床数据注释 oncoplot( maf = laml, top = 10, clinicalFeatures = c("FAB_classification", "Overall_Survival_Status"), sortByAnnotation = TRUE ) ``` ## 3. 突变频率分析 ### 查看高频突变基因 ```r # 获取高频突变基因列表 top_genes <- getGeneSummary(laml) top_genes <- top_genes[order(-top_genes$Mutations_per_gene), ] head(top_genes, 10) ``` ### 绘制瀑布图（Waterfall Plot） ```r # 绘制特定基因的瀑布图 waterfall( maf = laml, genes = c("FLT3", "DNMT3A", "NPM1", "IDH1", "IDH2"), fontSize = 12 ) ``` ## 4. 突变类型分析 ### TITV 分析（转换颠换分析） ```r # 绘制 TITV 分析图 titv(maf = laml, plotType = "bar") ``` <details> <summary>点击查看结果说明</summary> TITV 分析展示： - **转换（Ti）**：A→G, G→A, C→T, T→C - **颠换（Tv）**：A→C, A→T, G→C, G→T, C→A, C→G, T→A, T→G - 各样本的转换/颠换比例分布 </details> ### 变异类型分布统计 ```r # 统计各变异类型数量 variant_counts <- laml@variant.classification.summary print(variant_counts) ``` ## 5. 生存分析实践 ### 准备生存分析数据 ```r # 查看可用临床数据字段 clinical_vars <- colnames(getClinicalData(laml)) print(clinical_vars) ``` ### 基因突变生存分析 ```r # 分析 FLT3 基因突变与生存的关系 mafSurvival( maf = laml, genes = "FLT3", clinicalData = getClinicalData(laml), clinicalFeature = "Overall_Survival_Status", timeFeature = "Days_to_last_followup" ) ``` <details> <summary>点击查看结果解读指南</summary> 生存分析结果解读要点： - **风险比（HR）**：>1 表示突变增加风险，<1 表示突变降低风险 - **P值**：<0.05 表示差异显著 - **生存曲线**：直观展示两组生存差异 - **置信区间**：反映估计的不确定性 </details> ### 比较多个基因 ```r # 分析多个基因的生存差异 mafSurvival( maf = laml, genes = c("FLT3", "DNMT3A", "NPM1"), clinicalData = getClinicalData(laml), clinicalFeature = "Overall_Survival_Status", timeFeature = "Days_to_last_followup" ) ``` ## 6. 突变关联分析 ### 基因突变互斥/协同分析 ```r # 分析基因突变之间的互斥或协同关系 somaticInteractions( maf = laml, top = 25, pvalue = c(0.05, 0.1) ) ``` <details> <summary>点击查看结果说明</summary> 突变关联分析结果： - **互斥（Mutually Exclusive）**：基因突变很少同时发生 - **协同（Co-occurring）**：基因突变常同时发生 - **P值**：评估关联是否显著 - **热图**：可视化关联模式 </details> ## 7. 数据子集操作 ### 按样本筛选 ```r # 随机选择部分样本进行分析 set.seed(123) # 设置随机种子保证可重复性 samples <- laml@variants.per.sample$Tumor_Sample_Barcode selected_samples <- sample(samples, 50) laml_subset <- subsetMaf(laml, tsb = selected_samples) # 查看子集数据 laml_subset ``` ### 按基因筛选 ```r # 选择特定基因进行分析 genes_of_interest <- c("FLT3", "DNMT3A", "NPM1", "TP53") laml_genes <- subsetMaf(laml, genes = genes_of_interest) # 查看筛选后的基因突变情况 getGeneSummary(laml_genes) ``` ## 8. Oncoplot 进阶定制 ### 添加基因通路注释 ```r # 创建基因通路分组 pathways <- list( "Signaling" = c("FLT3", "KIT"), "Epigenetic" = c("DNMT3A", "IDH1", "IDH2"), "Transcription" = c("NPM1", "RUNX1") ) # 绘制带通路注释的 oncoplot oncoplot( maf = laml, top = 15, pathways = pathways, pathwayTitle = "Gene Pathways" ) ``` ## 实验作业完成以下练习并提交 R Markdown 报告： ### 作业1：绘制 Oncoplot 使用以下代码绘制 oncoplot： ```r library(maftools) set.seed(学号) # 请替换为你的学号 laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = 'maftools') laml.clin <- system.file('extdata', 'tcga_laml_annot.tsv', package = 'maftools') laml <- read.maf(maf = laml.maf, clinicalData = laml.clin) samps <- laml@variants.per.sample$Tumor_Sample_Barcode laml <- subsetMaf(laml, tsb = sample(samps, 150)) # 绘制 oncoplot oncoplot(maf = laml, top = 20) ``` ### 作业2：生存分析 1. 挑选一个基因进行生存分析 2. 说明挑选该基因的理由（参考文献或临床意义） 3. 对生存分析结果进行解读 **示例代码**： ```r # 基因选择建议：查看基因突变频率和临床意义 gene_summary <- getGeneSummary(laml) head(gene_summary, 20) # 选择感兴趣的基因进行生存分析 mafSurvival( maf = laml, genes = "你选择的基因", clinicalData = getClinicalData(laml), clinicalFeature = "Overall_Survival_Status", timeFeature = "Days_to_last_followup" ) ``` ### 提交要求 - 将分析过程整理为 R Markdown 文档 - 保存为 HTML 格式 - 包含完整的代码、结果和解读