成果转化

吴爱平课题组发表综述文章介绍组织中免疫细胞定量计算的进展和挑战

 

202116日,著名生物信息学期刊《Briefings in Bioinformatics》在线发表了苏州系统医学研究所吴爱平课题组的综述文章 Progress and challenge for computational quantification of tissue immune cells,对从组学数据出发进行组织免疫细胞组分定量计算的进展和挑战进行了系统总结。

复杂的生物组织往往包括许多不同的细胞类型,不同的细胞类型特别是免疫细胞组成,与各种生理或病理状态密切相关。因此,组织中免疫细胞组成的定量监测,对于机体的正常生理或疾病发生机制研究都非常重要。随着高通量组学技术的快速发展和应用,基于表达芯片、转录组测序和甲基化芯片或测序等不同组学数据的组织免疫细胞组成计算模型,已经广泛应用于肿瘤、感染和自身免疫等不同疾病研究。迄今为止,已有超过60种免疫细胞定量相关的计算方法被陆续发表。因此,对已有的免疫细胞定量模型的原理和方法学等进行系统分析,将有助于总结领域内成功经验,并凝炼出领域内存在的共性问题和挑战,提出后续的研究方向和潜在解决策略。

本综述分别从计算模型分类、计算模型应用以及计算模型的不足和可能解决措施几个主要方面对已有计算方法和工具进行了系统总结。首先,根据方法学原理,将现有的免疫细胞定量计算方法分为基于无参考数据、基于基因富集和基于去卷积的计算方法三类(图1,并对三类方法的计算原理和优化策略等分别进行了阐述。随后,在模型应用方面,对这些计算方法的应用场景、实际案例和可用在线工具等进行了概述,例如组织中免疫细胞组分的预测、组织中主要组成细胞的基因或甲基化表达谱估计等。最后,总结出了现有方法的四类共性问题,覆盖了训练数据、标准化方法、测试策略和免疫细胞类型多样性等方面,进而提出了每个环节可能的解决策略。

1:三类组织免疫细胞定量计算模型。A. 基于无参考数据的计算方法; B.基于去卷积的计算方法; C.基于基因富集的计算方法。

苏州系统医学研究所博士研究生陈秭宜为论文第一作者,吴爱平研究员为通讯作者。本项研究得到了国家重点研发计划、中国医学科学院医学与健康科技创新工程、模式识别国家重点实验室开放课题以及江苏省六大人才高峰等项目等多项基金的大力资助。

 

文章链接:https://academic.oup.com/bib/advance-article/doi/10.1093/bib/bbaa358/6065002?guestAccessKey=395cecf0-1c06-49ff-a931-c41a28934c04