总结

浸润性基质和免疫细胞构成肿瘤组织中正常细胞的主要部分，不仅在分子研究中扰乱肿瘤信号，而且在癌症生物学中也具有重要作用。 在这里，介绍一种“使用表达数据评估肿瘤中的基质和免疫细胞，该算法使用基因表达来推断肿瘤样本中基质和免疫细胞的比例的方法。该方法允许在基因组和转录组学研究中考虑肿瘤相关的正常细胞。

介绍

恶性实体瘤组织不仅包括肿瘤细胞，还包括正常上皮细胞和基质细胞，免疫细胞和血管细胞。基质细胞被认为在肿瘤生长，疾病进展和耐药性中具有重要作用。浸润性免疫细胞以浸润性T淋巴细胞的抗肿瘤作用。对肿瘤组织中肿瘤相关正常细胞的全面了解可以提供对肿瘤生物学的重要见解，并有助于开发稳健的预后和预测模型。

越来越多的证据表明肿瘤相关正常细胞的浸润通过基因组方法影响临床肿瘤样本的分析，例如基因表达谱或拷贝数数据，结果的生物学解释需要相当多地关注样本异质性。已经提出了几种方法来通过使用DNA拷贝数阵列数据或通过使用下一代测序数据来估计临床肿瘤样品中肿瘤细胞的分数。基于DNA拷贝数的肿瘤纯度估计正在迅速增加预测肿瘤样本纯度的牵引力;但是，此类方法仅限于具有可用拷贝数配置文件的样本。以前的研究已经尝试将基因表达数据从其组成细胞组分中解卷成基因表达谱，而其他研究则侧重于通过计算富集评分将从正常组织获得的微阵列数据解卷积成细胞类型特异性谱。这些方法利用了不同细胞类型的转录组特性的差异。

在这里，我们介绍一种新算法，利用癌症样本的转录谱的独特属性来推断肿瘤细胞性以及不同的浸润性正常细胞，称为ESTIMATE（使用表达数据估计恶性肿瘤组织中的基质和免疫细胞） 。专注于形成肿瘤样本的主要非肿瘤成分：基质和免疫细胞，并确定与肿瘤组织中基质和免疫细胞浸润相关的特异性特征。通过进行单样本基因集富集分析（ssGSEA），计算基质和免疫评分来预测浸润基质和免疫细胞的水平，这些形成ESTIMATE评分的基础，以推断肿瘤组织中的肿瘤纯度。使用临床肿瘤组织的基因组学，转录组学和蛋白质组学分析受到存在的肿瘤细胞分数的影响，评估肿瘤样品的非肿瘤部分的方法可以为基因组数据分析提供重要的背景。

结果

ESTIMATE算法基于单样本基因集富集分析，并生成三个分数：

1）基质评分（捕获肿瘤组织中基质的存在），
2）免疫评分（代表肿瘤组织中免疫细胞的浸润）
3）估计得分（推断肿瘤纯度）。