首先要自己分析癌症样本数据，拿到somatic mutation，TCGA计划发展到现在已经有非常多的somatic mutation结果啦，大家可以自行选择感兴趣的癌症数据拿来研究，解析一下mutation signature 。

我这里给大家推荐一个工具，是R语言的Bioconductor系列包中的一个，SomaticSignatures

其实它的说明书写的非常详细了已经，如果你理解了mutation signature的概念，很容易用那个包，其实你自己写一个脚本也是非常任意的，就是根据mutation的位置在基因组中找到它的前后一个碱基，然后组成三碱基突变模式，最后统计一下那96种突变模式的分布状况！

我这里简单讲一讲这个包如何用吧！

首先下载并加载几个必须的包：

然后根据突变数据做好一个GRanges对象，这个可以看我以前的博客

###可以简单看看每个study都有多少somatic mutation

sort(table(sca_vr$study), decreasing = TRUE)

    LUAD   SKCM   HNSC   LUSC   KIRC    GBM   THCA     OV

   208724 200589  67125  61485  24158  19938   6716   5872

##用mutationContext函数来根据Range对象和下载好的参考基因组文件来获取突变的上下文信息。

sca_motifs = mutationContext(sca_vr, BSgenome.Hsapiens.1000genomes.hs37d5)

head(sca_motifs)

##可以看到Range对象，增加了两列：alteration        context

## 接下来根据做好的上下文突变数据矩阵来构建 the matrix MM of the form {motifs × studies}

sca_mm = motifMatrix(sca_motifs, group = "study", normalize = TRUE)

## 根据96种突变的频率，而不是次数来构造矩阵

head(round(sca_mm, 4))

## 然后直接画出每个study的Mutation spectrum 图

plotMutationSpectrum(sca_motifs, "study")

 

## 还要把spectrum分解成signature！！

## 这个包提供了两种方法，分别是NMF和PCA

n_sigs = 5

sigs_nmf = identifySignatures(sca_mm, n_sigs, nmfDecomposition)

sigs_pca = identifySignatures(sca_mm, n_sigs, pcaDecomposition)

##还提供了很多函数来探索：signatures, samples, observed and fitted.

需要我们掌握的是assessNumberSignatures，用来探索我们到底应该把ｓｐｅｃｔｒｕｍ分成多少个ｓｉｇｎａｔｕｒｅ

n_sigs = 2:8

gof_nmf = assessNumberSignatures(sca_mm, n_sigs, nReplicates = 5)

gof_pca = assessNumberSignatures(sca_mm, n_sigs, pcaDecomposition)

plotNumberSignatures(gof_nmf)　## 可视化展现

## 接下来可视化展现具体每个cancer type里面的各个个体在各个signature的占比

library(ggplot2)

plotSignatureMap(sigs_nmf) + ggtitle("Somatic Signatures: NMF - Heatmap")

plotSignatures(sigs_nmf) + ggtitle("Somatic Signatures: NMF - Barchart")

plotObservedSpectrum(sigs_nmf)

plotFittedSpectrum(sigs_nmf)

plotSampleMap(sigs_nmf)

plotSamples(sigs_nmf)

同理，PCA的结果也可以同样的可视化展现：

plotSignatureMap(sigs_pca) + ggtitle("Somatic Signatures: PCA - Heatmap")

plotSignatures(sigs_pca) + ggtitle("Somatic Signatures: PCA - Barchart")

plotFittedSpectrum(sigs_pca)

plotObservedSpectrum(sigs_pca)

值得一提的是，所有的plot系列函数，都是基于ggplot的，所以可以继续深度定制化绘图细节。

p = plotSamples(sigs_nmf)

## (re)move the legend

p = p + theme(legend.position = "none")

## (re)label the axis

p = p + xlab("Studies")

## add a title

p = p + ggtitle("Somatic Signatures in TGCA WES Data")

## change the color scale

p = p + scale_fill_brewer(palette = "Blues")

## decrease the size of x-axis labels

p = p + theme(axis.text.x = element_text(size = 9))

###当然，对上下文突变数据矩阵也可以进行聚类分析

clu_motif = clusterSpectrum(sca_mm, "motif")

library(ggdendro)

p = ggdendrogram(clu_motif, rotate = TRUE)

p

## 最后，由于我们综合了8个不同的study，所以必然会有批次影响，如果可以，也需要去除。