肿瘤微环境

工具概述

肿瘤免疫微环境主要由肿瘤细胞、成纤维细胞、免疫细胞、各种信号分子和细胞外基质及特殊的理化特征等共同组成，肿瘤微环境显著影响着肿瘤的诊断、生存结局和临床治疗敏感性。其中免疫浸润也是近几年肿瘤研究的一个重要方向。所以我们要清楚一个概念那就是肿瘤组织中并不是100%的细胞是都是肿瘤细胞，不同肿瘤组织的微环境都有着各自的特点。

根据常规肿瘤样本转录组测序结果中推测不同细胞类型（主要是肿瘤浸润性免疫细胞）的表达谱，对肿瘤微环境相关细胞的占比评估，可以作为肿瘤预后、生存期的检测指标，或是特定癌种的分子分型标志。

此项分析采用7款软件来进行分析，包括基于ssGSEA原理的XCell、MCP-counter、mMCP-COUNTER和基于反卷积分析原理的CIBERSORT、EPIC、TIMER、quanTIseq。这几款软件均是一种预使用基因表达数据预测肿瘤组织中浸润的基质/免疫细胞的工具。

备注：mMCP-COUNTER是专门针对小鼠样本进行免疫细胞浸润分析的工具，其他几款分析工具主要对象为人的样本。

操作方法：

1.设置任务名，便于您查询后续的文件结果。

2.选择基因数据表：文件必须为txt格式。可以选择在excel中将数据打开，然后另存为"文本文件(制表符分隔)(*.txt)"。输入的文件第一行为样本ID，第一列为基因ID并命名为seq_id，表中的数值为每个样本中每个基因的表达量矩阵表。

3.选择运行软件。默认推荐软件为XCell，此款软件综合考虑了六大数据库 64 种细胞类型共 489 个基因特征，利用ssGSEA 算法评估每个样本中相关基因特征的分数，进而计算 64 种细胞的评分。该评分考虑了细胞间共表达同一基因的可能性，评价各种细胞在样本中的占比情况。 且此款软件也能够估计恶性肿瘤组织中的基质细胞和免疫细胞。

其次推荐的软件为CIBERSORT，此软件基于反卷积分析原理，提供了22种白细胞亚型的基因表达特征集，能够评估样本中这22种细胞的占比。

若需要其他软件，可以根据实际情况进行选择。

4.运行后可在结果页面，使用图表插件对图标题内容，字体，字号，配色等进行调整。

结果解读

此项结果根据所选软件展示的内容有所不同，具体可见下面图注表注。 

1.选择软件XCell^【1】的结果表

表注：

cell type：此列表示细胞具体类型（除最后三行外）。其他各列为细胞类型在各样本中的占比情况（除最后三行外）。immune score：免疫细胞得分；stroma score：基质细胞得分；microenvironment score：微环境得分。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。基质得分与免疫得分，是正相关的，基质和免疫得分越高，肿瘤纯度越低。

图注：

图中横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

图注：

柱状图代表每个样本中不同细胞类型的评分占比，包括免疫评分、基质评分和微环境评分。

2.选择软件CIBERSORT^【2】的结果表

表注：

cell type：此列表示细胞具体类型（除最后三行外）。其他各列为细胞类型在各样本中的占比情况（除最后三行外）。P-value：统计显著性，越小越可靠；Correlation： 相关性系数。指的是预测的表达量与真实表达量的相关度。 RMSE：均方根误差(Root Mean Squared Error)，越小效果越好。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。每个样本均会计算P-value值、Correlation和RMSE值。一般来讲，P-value值越小证明结果可靠性越高，在实际应用中认为P-value<0.05的那些样本计算结果更可靠；Correlation相关度越高说明该样本计算结果越可靠；RMSE越小说明该样本计算结果可信度越高。

图注：

图中堆积图横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

3.选择软件EPIC^【3】的结果表

表注：

cell type：此列表示细胞具体类型。其他各列为细胞类型在各样本中的占比情况。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。

图注：

图中堆积图横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

4.选择软件TIMER^【4】的结果表

表注：

cell type：此列表示细胞具体类型。其他各列为细胞类型在各样本中的占比情况。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。

图注：

图中堆积图横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

5.选择软件quanTIseq^【5】的结果表

表注：

cell type：此列表示细胞具体类型。其他各列为细胞类型在各样本中的占比情况。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。

图注：

图中堆积图横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

6.选择软件MCP-counter^【6】的结果表

表注：

cell type：此列表示细胞具体类型。其他各列为细胞类型在各样本中的占比情况。

一般来讲：

通过此得分占比情况，我们可以了解该样本中的具体免疫微环境中存在哪些免疫浸润性细胞，并能够知道其占比情况。

图注：

图中堆积图横坐标表示样本，纵坐标表示不同的细胞类型及其在各个样本中的占比情况。

参考文献

[1] Aran Dvir,Hu Zicheng,Butte Atul J,xCell: digitally portraying the tissue cellular heterogeneity landscape.[J] .Genome Biol., 2017, 18: 220.

[2]Newman Aaron M,Liu Chih Long,Green Michael R et al. Robust enumeration of cell subsets from tissue expression profiles.[J] .Nat. Methods, 2015, 12: 453-7.

[3]Racle Julien,de Jonge Kaat,Baumgaertner Petra et al. Simultaneous enumeration of cancer and immune cell types from bulk tumor gene expression data.[J] .Elife, 2017, 6: undefined.

[4]Li Taiwen,Fan Jingyu,Wang Binbin et al. TIMER: A Web Server for Comprehensive Analysis of Tumor-Infiltrating Immune Cells.[J] .Cancer Res., 2017, 77: e108-e110.

[5]Finotello Francesca,Mayer Clemens,Plattner Christina et al. Molecular and pharmacological modulators of the tumor immune contexture revealed by deconvolution of RNA-seq data.[J] .Genome Med, 2019, 11: 34.

[6]Becht Etienne,Giraldo Nicolas A,Lacroix Laetitia et al. Estimating the population abundance of tissue-infiltrating immune and stromal cell populations using gene expression.[J] .Genome Biol., 2016, 17: 218.