MIST:用于单T细胞转录组和受体分析的可解释和灵活的深度学习框架
Wenpu Lai1,2,3, Yangqiu Li1,2, Oscar Junhong Luo3,4,5
1The First Affiliated Hospital, Jinan University, Guangzhou 510632, China.
Science advances
|April 4, 2025
概括
我们开发了MIST,这是一个深度学习工具,用于分析单细胞T细胞 (T细胞受体) 和基因表达数据. 在肺癌等疾病中,MIST提高了对T细胞功能和抗原特异性的理解.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞转录组和T细胞受体 (TCR) 分析对于了解T细胞免疫力至关重要.
- 整合这些数据类型可以更深入地了解T细胞功能和抗原特异性.
- 现有的方法可能缺乏全面的T细胞分析的灵活性或解释性.
研究的目的:
- 引入MIST (T细胞多见解),这是一个新的深度学习框架,用于联合分析单细胞转录组学和TCR数据.
- 为了证明MIST在解决T细胞功能和抗原特异性的能力.
- 在肺癌免疫疗法和COVID-19背景下探索T细胞异质性.
主要方法:
- 开发一个深度学习框架,MIST,结合基因表达,TCR和关节潜伏空间.
- 单细胞转录组和TCR数据的矢量化和整合.
- 将MIST应用于包括抗原特异性T细胞,肺癌免疫疗法和COVID-19在内的数据集.
主要成果:
- 通过整合转录和TCR数据,MIST准确地解决了T细胞功能和抗原特异性.
- 对肺癌免疫疗法数据的分析揭示了CXCL13+ CD8+ T细胞子集中的异质性.
- 在抗PD-1治疗期间,MIST为CXCL13+ T细胞的功能过渡提供了新的见解.
结论:
- MIST是一种可解释和灵活的深度学习工具,用于联合单细胞转录和TCR分析.
- 该框架增强了对T细胞异质性和在各种免疫学环境中的功能的理解.
- MIST为免疫反应提供了宝贵的见解,特别是在癌症免疫疗法和传染病方面.
