scPER:一种严格的计算方法,通过总RNA测序来确定瘤中的细胞亚型,与癌症表型保持一致

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学

背景情况:

• 单细胞RNA测序 (scRNA-seq) 提供了关于细胞多样性的见解,但在处理大型患者队列方面面临挑战.
• 在批量RNA测序 (批量RNA-seq) 数据中识别表型相关的细胞群对于理解瘤微环境至关重要.

研究的目的:

• 开发一种强大的计算方法,scPER,用scRNA-seq参考数据估计大量RNA-seq样本中的细胞组成.
• 增强与表型相关的细胞子集群的识别,并预测临床结果,如免疫治疗反应.

主要方法:

• scPER结合了对抗性自编码器和极端梯度增强,用于细胞比例估计.
• 它集成了多种scRNA-seq数据集,构建了全面的参考面板,并将生物信号与技术混因素分开.
• 该方法与已知方法 (如CIBERSORTx,BayesPrism和Scaden) 相比进行了验证.

主要成果:

• 与现有方法相比,scPER在细胞比例估计方面表现出更高的准确性.
• 它准确地预测了转移性黑色素瘤的免疫治疗反应,并确定了一种新的T细胞子集群 (FCRL3+,SLAMF7+).
• 在转移性尿癌中,scPER预测TGFβ介导的CD4原始T细胞的抑制会影响PD-L1阻断的有效性.

结论:

• scPER提供了一种强大的方法,用于整合scRNA-seq数据,以估计各种瘤类型的细胞比例.
• 该方法促进了临床相关细胞群和亚型的识别,有助于生物标志物的发现和治疗策略的开发.