热点综述 | 肿瘤微环境中的细胞间通信推断和分析：数据资源和计算策略

量化肿瘤微环境（TME）中各种细胞类型之间和内部的串扰，有助于开发用于肿瘤靶向治疗的工具。《Briefings in Bioinformatics》发表了一篇综述文章，介绍了 TME 中细胞间通信估计的管道、配体-受体相互作用 (LRI)  数据资源和可视化工具，并且主要展示了七种经典的细胞间通讯评分策略，分析了各种细胞间串扰推断方法的优点和局限性。此外，还探讨了细胞间通讯识别过程中的挑战。 

结合 scRNA-seq 数据、空间转录组数据和 LRI，配体-受体介导的细胞间通讯推断通常包括以下七个步骤：

(i) 细胞调查。 从 scRNA-seq 数据研究细胞以评估所有基因的表达水平。

(ii) 基因表达矩阵构建。 基于跨不同细胞的每个基因的转录数据构建基因表达矩阵。

(iii) 原始 LRI 数据整理。从可用数据资源中捕获参与细胞间通讯的相互作用蛋白（例如配体和受体之间的相互作用）。

(iv) 基因筛选。 与相互作用蛋白相关的基因保留在上述基因表达矩阵中。

(v) LRI 分数计算。 基因表达值用作计算介导两种细胞类型的每个配体-受体对的相互作用分数的输入。