肿瘤浸润免疫细胞量化分析简介
肿瘤微环境是肿瘤细胞生存和发展的土壤，其中浸润到肿瘤局部的免疫细胞介导了肿瘤免疫微环境，tumor immune microenvironment, 简称TIME。肿瘤的免疫疗法作用于免疫微环境， 肿瘤免疫微环境的异质性与免疫疗法的不同响应率必然存在这密切的关系，免疫微环境有望作为一种biomaker来指导临床治疗，筛选能够从免疫疗法中获益的肿瘤患者群体。
研究肿瘤免疫微环境组成的技术手段有很多，基于测序技术和生物信息学分析的方法是目前较为流程的一种策略。通过转录组测序，可以获得肿瘤样本中不同基因的表达量数据，通过对应的生物信息学软件，可以得到肿瘤免疫微环境中各种细胞的表达量，从而对肿瘤微环境进行分型，识别浸润的免疫细胞亚群，比较不同亚群的表达情况，结合生存分析，进一步筛选某种微环境亚型或者免疫细胞亚群作为biomarker。
基于基因表达谱数据，分析肿瘤免疫微环境组分的软件有很多，大致分成了以下3种策略
1. marker gene
将不同免疫细胞对应的marker genes作为基因集合, 采用类似GSEA的算法来评估样本中高表达的基因在不同免疫细胞的基因集合中是否富集，示意图如下
黑色圆点代表某种免疫细胞对应的marker genes集合，柱子代表某个样本中基因表达量从低到高排序之后的结果，底部表达量最低，顶部表达量最高，通过GSEA算法来评估高表达的基因是否富集在某种免疫细胞对应的marker genes集合中，左侧的图片是富集较好的结果，Enrichment score值高，右侧的图片则没有富集，对应的Enrichment score值低。
该策略对应的软件如下
- TIminer
- xCell
- MCP-counter
2. 反卷积
卷积和反卷积是深度学习中常见的算法，将每个样本看做是多种免疫细胞的混合，采用线性回归拟合出每种免疫细胞的组分和表达量与最终混合后的关系，通过反卷积算法，提取每种免疫细胞的表达特征，示意如下
该策略对应的软件如下
- CIBERSORT
- TIMER
- EPIC
- quanTIseq
3. NMF非负矩阵分解
类似突变特征分析，NMF算法也可以用于从基因表达谱中提取免疫细胞表达谱特征，该策略对应的软件如下
- deconf
- ssKL
- ssFrobenius
量化肿瘤浸润的免疫细胞之后，就可以进行差异分析， 免疫分型，与其他特征的相关性分析等后续的数据挖掘。