做腫瘤方向的同學(xué)們，現(xiàn)在CAR-T，PD1，TIL治療這么火熱，要不要試試你研究的腫瘤類型，是不是也涉及免疫細(xì)胞浸潤？不需要復(fù)雜的代碼，網(wǎng)頁工具也能實(shí)現(xiàn)。

    需要先明確幾個(gè)概念。No.1，免疫浸潤細(xì)胞。腫瘤組織雖然大部分是由腫瘤細(xì)胞組成，但不是100%純腫瘤，目前已知的有基質(zhì)細(xì)胞、成纖維細(xì)胞、內(nèi)皮細(xì)胞還有目前最受關(guān)注的免疫細(xì)胞構(gòu)成了腫瘤生長的舒適環(huán)境，不同腫瘤其微環(huán)境組成也各有特點(diǎn)，而冷腫瘤熱腫瘤的概念就是根據(jù)腫瘤微環(huán)境中免疫細(xì)胞的種類和狀態(tài)來判斷，如果是熱腫瘤就能預(yù)測到免疫治療的效果會(huì)更好，所以搞清楚浸潤免疫細(xì)胞的種類和狀態(tài)對(duì)于進(jìn)展評(píng)估還是很重要的。

    No.2 bulk RNA-seq vs Single cell RNA-seq  既然腫瘤組織不純，那么以前得到的組織表達(dá)譜或RNA-seq數(shù)據(jù)就包含了腫瘤和微環(huán)境細(xì)胞共同表達(dá)的結(jié)果，這種傳統(tǒng)的用一整塊組織做轉(zhuǎn)錄組測序叫bulk tissue RNA-seq，獲取的結(jié)果可以說理解成一份水果拼盤，而現(xiàn)在最時(shí)髦的單細(xì)胞測序就是在技術(shù)水平上實(shí)現(xiàn)了分離細(xì)胞，最后得到的結(jié)果相當(dāng)于每塊水果都獨(dú)占一個(gè)盤（所以貴啊啊啊~~）。But！Deconvolution反卷積算法(不懂....)可以根據(jù)先驗(yàn)背景也就是已知每種細(xì)胞類型對(duì)應(yīng)的表達(dá)特征，來解析整體表達(dá)的可能成分，這樣我們就能從原來的水果拼盤里大致猜到有幾種主要組成，這樣離高大上的單細(xì)胞seq又近了一步，想想就激動(dòng)呢~

    能實(shí)現(xiàn)這種算法的工具也有很多了，有要介紹的網(wǎng)頁工具，也有用R實(shí)現(xiàn)的包，下面介紹如何實(shí)現(xiàn)這樣神奇的功能，不需要下軟件，網(wǎng)站在線操作，其實(shí)很簡單。Cibersort  https://cibersort./ 

     使用方法很簡單，先用教育郵箱注冊(cè)，在menu下拉菜單選擇upload files，上傳需要分析的數(shù)據(jù)，在cibersort里稱做mixture file。

   數(shù)據(jù)有格式要求，列名自定義的樣本名稱，行名基因名稱或者探針名稱，這里推薦用基因名稱，因?yàn)樘结槾嬖谕ㄟ^實(shí)驗(yàn)平臺(tái)注釋文件與基因名稱轉(zhuǎn)換的問題，所以直接自己轉(zhuǎn)換好更保險(xiǎn)一些，具體轉(zhuǎn)換方式可以通過GEO平臺(tái)注釋文件用EXCEL或者R實(shí)現(xiàn)。每個(gè)單元格就是對(duì)應(yīng)的表達(dá)值，已經(jīng)從對(duì)數(shù)轉(zhuǎn)化為原始表達(dá)值。

    選擇背景表達(dá)數(shù)據(jù)，cibersort里稱作signature genes file,就是已知的每種細(xì)胞類型對(duì)應(yīng)的各基因表達(dá)數(shù)據(jù)，cibersort提供了22種常見的免疫浸潤細(xì)胞表達(dá)數(shù)據(jù)LM22，如果使用cibersort的LM22，那么只上傳mixture file就可以。如果需要額外制作自己的signature file，格式與mixture一樣。還是需要注意基因名稱的問題，使用LM22的話上傳的mixture需要使用HUGO基因名稱，與LM22的平臺(tái)注釋信息保持一致。自己制作signature就與mixture保持一致。

    在upload并保存命名之后來到menu下拉的run cibersort，在對(duì)應(yīng)的mixuture 和signature找到上傳好的文件，計(jì)算參數(shù)推薦先使用默認(rèn)，RNAseq數(shù)據(jù)選擇disable quantile normalization模式，然后就可以愉快的run啦~

在線運(yùn)行一會(huì)兒結(jié)果就出來，可以看到樣本對(duì)應(yīng)的22種免疫浸潤細(xì)胞的熱圖和柱狀圖，輸入的樣本之間是不是在某種細(xì)胞分布上存在差異，右上角可以下載分布數(shù)據(jù)的各種格式，會(huì)R的小伙伴可以用原始數(shù)據(jù)進(jìn)一步做圖比如箱線圖，差異一目了然。

   還有另外兩個(gè)網(wǎng)站 Timersort 和EPIC，使用方法和結(jié)果呈現(xiàn)都類似就不具體介紹了，三者之中Cibersort提供的背景免疫浸潤細(xì)胞最全面。

    我在嘗試用免疫細(xì)胞以外的已知細(xì)胞類型的scRNA-seq做背景解析bulk tissue RNA-seq，想用cibersort方法，也想嘗試最近文獻(xiàn)新發(fā)表的R包，一個(gè)叫MuSiC和scBio，正在試用中，希望有經(jīng)驗(yàn)的小伙伴一起交流一下~~