cibersortx怎么用_cibersoft使用SVM算法实现去卷积

熟悉DNA测序的朋友应该是知道对肿瘤病人进行WES或者WGS等基因组测序后，可以得到成百上千的somatic突变，而这些突变都是ATCG碱基直接 变化，所以它们变化的组合情况就6种，而加上上下文碱基也就96种，这96种碱基变化的比例的特殊组成，就是mutation signatures，而且COSMIC数据库上面有着30种已知的signatures，我们可以把这些signatures当做是一个有意义的生物学功能，这样一旦我们拿到自己的突变数据， 就可以通过非负矩阵分解的方法把自己的突变数据分解为这30个signatures的组合，那么如果我们拿到的是表达矩阵呢？

因为表达矩阵通常是bulk转录组测序，也就是说本来就是肿瘤细胞以及其肿瘤微环境的各种其他细胞组合而成，同理我们应该是可以根据表达量推断出来他们的细胞组分，当然，这个就需要算法上面的突破啦，下面我们就介绍一些相关方向的进展。

免疫微环境背景知识

低通量实验可以用免疫组化,免疫荧光和流式等方法来获得组织免疫细胞组成，而 bulk tumor转录组数据同样可以通过算法轻松得到肿瘤免疫细胞浸润水平。

两篇综述系统性的整理和比较了主流算法，

Hackl H, Charoentong P, Finotello F, et al. Computational genomics tools for dissecting tumour-immune cell interactions. Nat Rev Genet 2016;17:441-58.

Finotello, Francesca, and Zlatko Trajanoski. Quantifying Tumor-Infiltrating Immune Cells from Transcriptomics Data. Cancer Immunology, Immunotherapy: CII 67, no. 7 (2018): 1031–40.

提到的算法主要是2大类，包括：

基于GSEA的半定量方法

Deconvolution algorithms(分为partial deconvolution和complete deconvolution)

基于GSEA的半定量方法

基于GSEA半定量的方法最常用的就是ssGSEA(单样本GSEA)，ssGSEA按照单个样本表达量的绝对值排序，计算特定gene set的累积经验概率分布，得到ES值代表这些基因在单个样本中协调上下调的程度，以此来代表免疫浸润细胞丰度。xCell，MCP-counter都是基于ssGSEA所开发出来的方法。

partial deconvolution

Deconvolution algorithms可以理解为一个基因在样本中的表达量是该基因在样本中不同细胞亚群表达水平和细胞分数权重的线性组合。近几年开发的CIBERSORT算法正是去卷积方法的应用。

TIMER量化6种免疫细胞，但是与CIBERSORT不同(CIBERSORT解析结果：22种免疫细胞相加的总占比为100%)，TIMER没有把预测值标准化为1，故不可以把结果解释为细胞分数或是在不同的数据集中比较。还有EPIC，quanTIseq等等方法。

complete deconvolution

相比较与partial deconvolution，complete deconvolution不仅可以估计相对细胞分数同时还能disentangle表达谱。非负矩阵分解(NMF)就是一个很好的理解例子，但是NMF是完全无监督的方法，考虑到量化免疫细胞的要求，Gaujoux融合细胞marker genes的先验知识开发出半监督NMF，有兴趣了解的可以了解下CellMix这个R包。

量化工作中的challenges

Bulk tumor中，除了各类方法想要量化的细胞，还有一些未知的细胞。Deconvolution algorithms其中一个挑战就是对这些unknown tumor content的稳健性。EPIC和quanTIseq允许最终细胞分数总和低于1，来估计未知细胞分数。

此外，多重共线性也