Ensayo de penetración inmune

Los tumores no son simples grupos de células malignas, sino ecosistemas complejos compuestos por diferentes tipos de células. Entre estas células, las células inmunitarias que se infiltran en tumores desempeñan un papel central en el control de tumores y la respuesta terapéutica. Por ejemplo, las células T CD8+ citotóxicas son las principales células efectoras de la inmunidad anticancerígena porque pueden reconocer y matar específicamente las células tumorales que portan neoantígenos. Los antígenos específicos de tumores se derivan principalmente de la expresión de genes mutados. Sin embargo, las células inmunitarias, como las células T reguladoras, también pueden ejercer efectos inmunosupresores y favorecer la tumorigénesis y la evasión inmunitaria. Por lo tanto, los estudios cuantitativos sobre diferentes tipos de células inmunes infiltrantes de tumores pueden ayudar a dilucidar el mecanismo de la respuesta inmune del tumor, evaluar la inmunogenicidad del tratamiento del tumor y, en última instancia, guiar el diseño de planes de tratamiento razonables. Antecedentes El método de análisis de genes marcadores más conocido es el análisis de enriquecimiento de conjuntos de genes (GSEA). Las puntuaciones de enriquecimiento (ES) se calcularon mediante un método basado en GSEA. Se obtiene una puntuación más alta cuando un gen específico de un tipo de célula está entre los primeros por su alta expresión en la muestra de interés, pero en otros casos está entre los primeros por su baja expresión.

Los métodos basados ​​en GSEA solo pueden calcular fracciones semicuantitativas del enriquecimiento del tipo de célula en una muestra, mientras que los métodos de deconvolución pueden estimar cuantitativamente las fracciones relativas de los tipos de células de interés. El algoritmo de deconvolución trata el perfil de expresión génica de una muestra heterogénea como una convolución de diferentes niveles de expresión génica celular y estima componentes celulares desconocidos utilizando una matriz de características que describe perfiles de expresión específicos del tipo de célula.

Los siguientes son métodos computacionales para cuantificar células inmunitarias a partir de datos de expresión de una mezcla de células, ya sea mediante el uso de genes marcadores y GSEA u otros métodos de puntuación, o mediante el uso de algoritmos de deconvolución y firmas de expresión de células inmunitarias.

La siguiente figura muestra varias herramientas computacionales para cuantificar las células inmunes infiltrantes de tumores a partir de datos transcriptómicos:

Los métodos introducen el método de puntuación basado en genes marcadores (1) contador MCP.

Un método para cuantificar las células inmunes infiltrantes de tumores (células T CD3+, células T CD8+, linfocitos citotóxicos, células NK, linfocitos B, células derivadas de monocitos (monocitos) basado en líneas de genes marcadores), células dendríticas mieloides y neutrófilos), fibroblastos y células epiteliales. Para cada tipo de célula y muestra, el valor de abundancia es la media geométrica de los valores de expresión génica específicos del tipo de célula, que se calcula de forma independiente para cada muestra. Debido a que las fracciones se expresan en unidades arbitrarias, no se pueden interpretar directamente como puntuaciones unitarias y no se pueden comparar entre tipos de unidades. En la validación cuantitativa, hubo una alta correlación entre las fracciones estimadas y las fracciones celulares verdaderas, lo que demuestra el valor del contador MCP en las comparaciones entre muestras. El contador MCP se ha utilizado para cuantificar células inmunes y no inmunes en más de 65.438+09.000 muestras de 32 tumores no hematológicos.

(2) Temporizador

TIminer es un marco computacional fácil de usar para analizar diferentes genomas inmunes tumorales, que incluye (I) genotipado HLA a partir de datos NGS (ii) utilizar datos de mutación y Tipos de HLA para predecir nuevos antígenos tumorales; (iii) Analizar y cuantificar las células inmunitarias que se infiltran en tumores a partir de datos de secuenciación de ARN en masa; (iv) Cuantificar la inmunogenicidad del tumor a través de datos de expresión;

(3)xCell

XCell es un método basado en ssGSEA que puede calcular la fracción de abundancia de 64 tipos de células inmunes, incluidas células inmunes adaptativas e innatas, células progenitoras hematopoyéticas y células epiteliales y células de la matriz extracelular. 489 genomas basados ​​en 6 estudios, incluidos FANTOM5, ENCODE, Blueprint, Simulación de respuesta inmune (IRIS), Atlas de células primarias humanas (HPCA) y Novershtern. Para cada tipo de célula, hay cuatro pasos principales para calcular la puntuación de abundancia de xCell: (i) SSG sea; formar 489 genomas con R-bag GSVA; (ii) promediar los ES de todos los genomas que pertenecen a un tipo de célula (iii); ) Convertir ES específicos de la plataforma en fracciones de abundancia (iv) Utilizar métodos de desbordamiento similares al análisis de datos de citometría de flujo para corregir las relaciones entre tipos de células estrechamente relacionadas;

Deconvolución de O2 de mezclas celulares mediante características de expresión (1).

Gong y Szustakowski aplicaron el modelo de regresión restringida al análisis de datos de RNA-seq, que en realidad aparece en el paquete R DeconRNASeq. Los datos de secuencia de ARN de cinco tejidos humanos (cerebro, músculo esquelético, pulmón, hígado, corazón) se mezclan y combinan con genes específicos del tipo de tejido para estimar la proporción de tipos de tejido o células. El algoritmo se simuló y verificó utilizando la matriz de características construida a partir de datos de RNA-seq en Human Body Atlas 2.0 de Illumina. Aunque no se desarrollaron nuevas firmas inmunes, la herramienta, en principio, se puede aplicar a cualquier matriz de características.

(2)CIBERSORT

El algoritmo CIBERSORT utiliza datos de microarrays para construir una matriz de características para describir las características de expresión de 22 fenotipos de células inmunes, incluidas células inmunes de diferentes tipos de células y estados funcionales. . CIBERSORT utiliza ν-SVR para evaluar la fracción celular. CIBERSORT tiene una alta precisión en la deconvolución simultánea de 9 subpoblaciones de células inmunitarias y 3 subpoblaciones de células inmunitarias, respectivamente, y también se ha demostrado que es eficaz para diferentes afecciones mediante pruebas en una mezcla simulada de 4 células inmunitarias malignas. Robusto a niveles de ruido y desconocidos. tumores.

(3) Temporizador

Un recurso para evaluar sistemáticamente los efectos clínicos de diferentes células inmunes en diferentes tipos de cáncer. Utilizando una variedad de marcadores inmunes específicos y firmas de expresión de células inmunes para estimar la expresión de seis tipos de células inmunes (células B, células T CD4, células T CD8, neutrófilos, macrófagos y células dendríticas) en 32 tipos de cáncer Abundancia. Las matrices de expresión de cáncer extraídas de datos de RNA-seq o microarrays se fusionaron con matrices de expresión de células inmunes y se normalizaron con Combat para eliminar los efectos por lotes. Identificación de genes característicos para cada tipo de cáncer mediante la selección de genes de marcadores de células inmunitarias que están inversamente correlacionados con la pureza del tumor. Finalmente, para cada tipo de cáncer, se construyó una matriz de características a partir de los perfiles de células inmunes estandarizados considerando los marcadores de células inmunes seleccionados. TIMER utiliza regresión lineal de mínimos cuadrados para realizar la deconvolución y obliga a que todas las estimaciones negativas sean cero. Repita la estimación varias veces con un conjunto cada vez más pequeño de marcadores de células T para reducir la correlación entre las proporciones de células T CD8+ y CD4+. A diferencia de CIBERSORT, las estimaciones finales no están estandarizadas y, por lo tanto, no pueden interpretarse directamente como componentes celulares y no pueden compararse entre diferentes tipos de células inmunes y conjuntos de datos.

⑷Epic

La estimación del efecto de promoción de células inmunes y cancerosas (épica) se utiliza para estimar la proporción de células inmunes y células cancerosas. EPIC introduce explícitamente restricciones de no negatividad en el problema de deconvolución mediante el uso de regresión de mínimos cuadrados restringidos y requiere que la suma de todos los componentes celulares en cada muestra no exceda 1. EPIC supera varias limitaciones de los métodos anteriores para predecir el cáncer y las células inmunes u otros tipos de células no malignas a partir de grandes cantidades de datos de expresión de genes tumorales, teniendo en cuenta tipos de células atípicas y potencialmente muy variables y desarrollando su algoritmo. Puede usarse ampliamente para la mayoría de los tumores sólidos, como el melanoma y la verificación de muestras colorrectales, pero no para las neoplasias malignas hematológicas, como la leucemia o el linfoma.

(5) Secuencia cuantitativa

QuanTIseq es una herramienta de deconvolución especialmente desarrollada para datos de RNA-seq. Puede cuantificar con precisión el contenido de tumores desconocidos y cuantificar los componentes de las células inmunes de todo el sistema. tejido. Basado en regresión de mínimos cuadrados restringida y nueva matriz de características (conjunto de datos de secuenciación de ARN de 51 tipos de células inmunitarias purificadas o enriquecidas). QuanTIseq implementa un proceso de deconvolución completo para analizar datos de RNA-seq, lo que puede evitar inconsistencias entre mezclas y matrices de características.

03 Deconvolución simultánea de componentes celulares y perfiles de expresión (1) DSA

Algoritmo de clasificación digital: DSA es un algoritmo de deconvolución completo basado en la deconvolución de muestras de tejido mixtas. Un conjunto de genes marcadores. que están altamente expresados ​​en tipos de células específicos se extrae de la base de datos y se utiliza programación cuadrática para inferir componentes celulares y perfiles de expresión en tejidos complejos. El algoritmo se probó con datos de microarrays de tres líneas de células inmunes malignas, reconstruyendo la verdadera composición celular y perfiles de expresión. El algoritmo es imparcial y no requiere conocimiento previo de las frecuencias de los tipos de células.

Permítanme resumir, hoy hemos presentado brevemente algunos métodos de penetración inmune y luego compartiremos métodos más detallados para usar la parte inferior del armario. No te lo pierdas. Referencia: Finotello, f.

Trajanoski, Z. (2018). Cuantificación de células inmunes infiltrantes de tumores a partir de datos transcriptómicos. Inmunología del cáncer, inmunoterapia: CII, 67(7), 1031–1040. https://doiorg/10.1007/s00262-018-2150-z