免疫研究工具天花板

　　肿瘤微环境(TME)内的免疫细胞如B细胞,T细胞等，其免疫浸润在肿瘤发生过程中发挥不同的作用，从而影响肿瘤的进展以及抗癌治疗的成功。而不同肿瘤的免疫细胞组成也各有特点，因此在研究肿瘤发生、治疗等机制时，常常会对不同肿瘤类型的免疫细胞进行定量研究，所谓的定量研究就是研究不同免疫细胞的比例。

　　目前定量研究免疫浸润的方法和工具都很多，但是都是各自为营，不能集中在一起进行统一的输出结果，从而得到想要的结果。这里我们介绍一个免疫研究工具--IOBR包。从多组学免疫角度解码肿瘤微环境和特征，它集成了8种已发表的量化免疫浸润比例的方法，一键化得到所有方法的免疫浸润结果，极大地促进了肿瘤微环境免疫浸润的分析。

　　IOBR介绍

　　IOBR包是由南方医科大学廖旺军教授团队曾东强博士开发的免疫研究工具，于2021年7月2日发表在frontiers in immunology杂志上。IOBR集成了8种已发表的对肿瘤微环境 (TME) 量化的方法：CIBERSORT、TIMER、xCell、MCPcounter、ESITMATE、EPIC、IPS、quantTIseq。此外，IOBR收集了255个已发表的特征基因集，涉及肿瘤微环境、肿瘤代谢、m6A、外泌体、微卫星不稳定性和三级淋巴结构。IOBR还采用了多种方法进行变量转换、可视化、批量生存分析、特征选择和统计分析，并且支持相应结果的批量分析和可视化。

　　方法介绍

　　下面我们逐一介绍下这些方法的基本原理。

　　Cibersort：是一种常用的免疫浸润分析方法，该方法基于已知参考数据集，默认提供22种免疫细胞亚型的基因表达特征集：LM22。其通过不同免疫细胞中标志基因的差异表达分析出样品中各种免疫细胞的种类和分布，可以用于研究不同样品的免疫细胞种类的差异情况。

　　ESITMATE：研究免疫浸润的一种常用算法，可以通过基因表达量为肿瘤基质细胞和免疫细胞浸润结果评分，可以用于研究不同样品间免疫浸润的情况。利用癌症样本转录谱来推断肿瘤细胞的含量，以及免疫细胞和基质细胞的浸润程度。其他方法不同的是：（1）除了免疫细胞，还能分析肿瘤细胞纯度和基质细胞的丰度；（2）关于免疫细胞，仅能计算一个总的免疫细胞评分，而无法给出每种免疫细胞的具体比例。

　　quanTIseq：是用于根据人类 RNA-seq 数据量化肿瘤免疫状况，通过反卷积量化样本中存在的十种不同免疫细胞类型（见图1）的比例以及其他未表征细胞的比例。

　　

　　图1 | quanTIseq 十种不同免疫细胞类型

　　xCell：是基于 ssGSEA 的方法，可根据 64 种免疫细胞和基质细胞类型的基因表达数据进行细胞类型富集分析。该方法可以估计64中免疫细胞类型的丰度分数，包括适应性和先天免疫细胞、造血祖细胞、上皮细胞、细胞外基质细胞。

　　TIMER：用反卷积方法估算 32 种癌症中 6 种免疫细胞的丰度（B 细胞，CD4+ T 细胞，CD8+ T 细胞，嗜中性粒细胞，巨噬细胞和树突状细胞）。

　　EPIC：使用约束最小二乘回归将非负性约束条件纳入反卷积问题，从大量肿瘤基因表达数据中估算免疫和癌细胞的比例，每个样本中所有细胞分数的总和不超过一。

　　MCPcounter：是来量化肿瘤免疫细胞、成纤维细胞和上皮细胞的方法。共包含9种不同免疫细胞（T细胞、细胞毒性T细胞、NK细胞、B系、单核系、髓样树突状细胞、中性粒细胞、内皮细胞、成纤维细胞）。

　　IPS：通过免疫表型评分（immunophenoscore, IPS）分别计算四种不同免疫表型的评分（抗原呈递、效应细胞、抑制性细胞、检查点），IPS z-score为四者的整合，且IPS z-score越高，样本免疫原性越强。

　　结果可视化

　　我们对上述所有方法的结果分别从箱图、热图和累计柱状图三个角度进行可视化。

　　

　　图2 | 免疫侵润结果可视化--箱图

　　

　　图3 | 免疫侵润结果可视化--热图

　　

　　图4 | 免疫侵润结果可视化--柱状图

　　总之，欧易可以一键化提供上述所有方法对应的免疫浸润结果，也可以选择其中的一些方法进行分析，并对所有的结果进行可视化，得到我们想要的结果。另外，为了便于对所有的结果进行比较，我们将所有的结果都整合在一起。

　　欢迎百度搜索欧易生物——访问欧易生物官网——了解多组学、生信分析技术内容

　　更多内容详情以及链接内容，请关注“创新多组学技术服务”公众号

　　猜你想看

　　1、干货 | GSA数据库上传指南

　　2、干货 | miRNA建库方法大放送！哪一种是你的pick?

　　3、探秘！会发光的酵母双杂交？

　　4、干货 | 使用PBmm2+PBSV基于pacbio三代数据比对结果检测染色体结构变异的分析流程简介

　　原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载

　　举报/反馈