优发官网手机版登录·首页(欢迎您)

最新消息

吴爱平课题组在Bioinformatics发表论文提出

一套组织特异性的免疫细胞组分预测策略

 

2019828日,著名生物信息学期刊《Bioinformatics在线发表了优发国际手机版客户端吴爱平课题组的一项研究成果 Tissue-specific deconvolution of immune cell composition by integrating bulk and single-cell transcriptomes ”,提出了一套整合组织样本转录组测序和单细胞测序数据的组织特异性免疫细胞组分预测策略(tissue-ImmuCC。优发国际手机登录博士研究生陈秭宜为该项工作的第一作者,吴爱平研究员为通讯作者。

生物组织包括许多不同的细胞类型,其中组织浸润的免疫细胞往往在各种生理或病理状态中发挥着非常关键的功能。因此,组织中免疫细胞组分的定量监测,对于机体正常生理或疾病的机制研究极为重要。近年来,吴爱平课题组已经成功开发了两个计算模型,从组织样本的芯片表达谱(Sci Rep 2017)(https://www.nature.com/articles/srep40508)或转录组RNA-seq测序数据( Frontiers in Immunology 2018)(https://www.frontiersin.org/articles/10.3389/fimmu.2018.01286/full)出发,对组织中不同免疫细胞的相对组成比例进行定量评估,并建立了在肿瘤、传染病和自身免疫疾病等领域广为应用的在线服务器ImmuCChttp://wap-lab.org:3200/immune/)。

然而,以往的计算模型中,用于建模的免疫细胞类型基因表达数据往往收集自不同的组织样本。由于各个组织内部微环境的不同,不同组织来源的同类免疫细胞(比如巨噬细胞)在表达谱水平上也会存在一定的差异,用一种组织的免疫细胞表达推广应用于其他组织建模可能带来潜在的偏差。近年来,随着单细胞测序(scRNA-seq)技术的快速发展和应用,使得我们可能利用不同组织来源的免疫细胞的转录组数据,发展一套组织特异性的免疫细胞组分预测模型,纠正传统计算模型中潜在的组织系统性偏差。

本研究中,吴爱平研究团队通过从公共数据库中收集小鼠不同组织的单细胞测序数据,以及小鼠不同组织与免疫细胞的转录组测序数据,提出了一套组织特异性的免疫细胞组分预测策略(tissue-ImmuCC)。首先,利用小鼠不同组织的scRNA-seq数据,抽提出组织中不同免疫细胞的表达谱数据,并构建出一系列组织特异性的特征矩阵。然后,为了获取最佳的适用条件,通过对不同来源的免疫细胞特征基因和不同定量方式下模型的计算性能进行了系统评估,发现162个特征基因能够提供更好的预测性能。最后,利用组织特异性表达矩阵结合机器学习建模,构建好组织特异性预测模型。测试结果表明,相比于传统模型,tissue-ImmuCC在多个组织样本中的预测性能得到了相应提高。我们相信,随着单细胞测序技术的广泛应用和数据累积,这一建模策略将日趋优化,并为其他组织特异性计算模型的开发提供参考。

 

1:组织特异性免疫细胞组分预测模型构建策略

 

该研究由优发国际手机版客户端吴爱平课题组完成,优发国际手机登录秦晓峰研究员参与了该项研究。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、国家自然科学基金、江苏省自然科学基金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/bioinformatics/advance-article-abstract/doi/10.1093/bioinformatics/btz672/5554701?redirectedFrom=fulltext