2025-03-05
Highlights
1：免疫浸潤(run)分析有助于理解免疫系統(tong)在疾病中(zhong)的作用，應用廣泛。
2：免疫浸潤分析(xi)方法主要有：xCell、ESTIMATE、ssGSEA、MCPcounter、CIBERSORT、ImmuCC。
3：派森諾生物可提供6種免(mian)疫浸潤分(fen)析，提供(gong)從(cong)測(ce)序到高質量數據解(jie)讀的一(yi)站式服務。
在(zai)醫學研究(jiu)領域，免疫(yi)浸(jin)潤(run)是當(dang)下備(bei)受矚目的研究(jiu)方向。它在(zai)腫(zhong)瘤、炎癥、自身免疫(yi)病(bing)、代謝疾病(bing)等多種疾病(bing)的研究(jiu)中都(dou)有著至關重(zhong)要的地位。免疫(yi)浸(jin)潤(run)能(neng)夠反映(ying)免疫(yi)系統在(zai)不同疾病(bing)狀態下的作(zuo)用情況(kuang)，是理解疾病(bing)發(fa)生、發(fa)展以(yi)及治(zhi)療效果的關鍵因素。
一、什么是免疫浸(jin)潤？
免(mian)疫(yi)浸潤（Immune Infiltration）是(shi)指免(mian)疫(yi)細胞(bao)在組織或病灶中(zhong)的(de)(de)分布情(qing)況，它反映了免(mian)疫(yi)系統(tong)對疾病的(de)(de)應答情(qing)況。簡單(dan)來說，就是(shi)看(kan)看(kan)都有(you)哪些免(mian)疫(yi)細胞(bao)進入了特(te)定的(de)(de)組織，像腫瘤微環境(jing)或者炎(yan)癥發生的(de)(de)部(bu)位。
免疫(yi)(yi)微環境(jing)（TME）：免疫(yi)(yi)微環境(jing)描述了(le)腫(zhong)瘤內(nei)及其周(zhou)圍區域中各種免疫(yi)(yi)細胞(bao)、基質細胞(bao)、血管和分泌(mi)因子(zi)等構(gou)成的復雜生(sheng)態系統。其中，免疫(yi)(yi)浸潤程度直接決定了(le)腫(zhong)瘤的“冷”或“熱”狀態。
“熱”腫瘤(liu)(liu)：表現(xian)為高(gao)免(mian)疫(yi)浸潤(run)，即腫瘤(liu)(liu)內存在豐富的免(mian)疫(yi)細胞（如CD8? T細胞、活化的自然(ran)殺傷細胞等）。這類腫瘤(liu)(liu)通常對免(mian)疫(yi)治(zhi)療（例如PD-1/PD-L1抑制劑）反應(ying)較好(hao)，因為免(mian)疫(yi)系(xi)統已經處(chu)于活躍狀態，可(ke)以被進一(yi)步激活以攻(gong)擊腫瘤(liu)(liu)細胞。
“冷(leng)”腫(zhong)瘤：表現為(wei)低免(mian)(mian)疫浸(jin)潤(run)，免(mian)(mian)疫細(xi)胞(bao)數量較少，往往對免(mian)(mian)疫治療產生(sheng)抵(di)抗。這可能是由于腫(zhong)瘤通過免(mian)(mian)疫抑制(zhi)機制(zhi)或其他途(tu)徑阻斷了免(mian)(mian)疫細(xi)胞(bao)的浸(jin)潤(run)，導致局(ju)部(bu)免(mian)(mian)疫監視減弱。
二、為什么要做免(mian)疫浸潤分析？
免疫浸(jin)潤分析有助于(yu)理解免疫系統在疾(ji)病中的作用(yong)，并(bing)用(yong)于(yu)以(yi)下領域：
1. 腫(zhong)瘤免(mian)疫研究
判(pan)斷(duan)腫瘤免(mian)疫類型（冷腫瘤 vs. 熱腫瘤）
預測免(mian)疫(yi)治療效果(guo)（如(ru)PD-1/PD-L1抑制劑）
篩選(xuan)生(sheng)物標志物（特定免疫細胞(bao)比例是(shi)否(fou)與生(sheng)存率相關(guan)）
2. 炎癥和自(zi)身(shen)免(mian)疫病
分析免疫細(xi)胞(bao)在炎癥(zheng)組織中的變(bian)化(hua)（如類風濕性關節炎、克羅恩病）
探索免疫系(xi)統的異常激活機(ji)制
3. 感染和(he)疫(yi)苗研究
病毒或細(xi)菌感染(ran)后(hou)免疫細(xi)胞(bao)的動態變化
疫(yi)苗免疫(yi)應答(da)的(de)效果(guo)評估
4. 免疫與(yu)代(dai)謝疾病
免疫細胞在(zai)肥胖、糖尿(niao)病等代謝性疾病中的作用
探索慢性炎癥如(ru)何影響代謝失衡
三、普(pu)通轉錄組是怎么做免疫浸潤的？
普通(tong)轉(zhuan)錄(lu)組(zu)(zu)(zu)測(ce)序（bulk RNA-seq）數(shu)據(ju)進(jin)行免(mian)(mian)(mian)疫(yi)(yi)浸潤(run)分(fen)析(xi)的(de)(de)(de)原理(li)是利用(yong)免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞特(te)(te)異性基因(yin)的(de)(de)(de)表(biao)達模式，從(cong)整體組(zu)(zu)(zu)織(zhi)樣本的(de)(de)(de)基因(yin)表(biao)達數(shu)據(ju)中推(tui)測(ce)不同類型(xing)免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞的(de)(de)(de)比例。由(you)于(yu)每種免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞（如(ru)(ru)CD8+ T細(xi)胞、巨噬細(xi)胞、B細(xi)胞等）具有特(te)(te)定(ding)的(de)(de)(de)基因(yin)表(biao)達特(te)(te)征，可以將(jiang)樣本的(de)(de)(de)轉(zhuan)錄(lu)組(zu)(zu)(zu)數(shu)據(ju)與已(yi)建立的(de)(de)(de)免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞參(can)考數(shu)據(ju)庫進(jin)行匹配，通(tong)過數(shu)學模型(xing)（如(ru)(ru)線性回歸(gui)、ssGSEA等）估算(suan)樣本中的(de)(de)(de)免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞組(zu)(zu)(zu)成(cheng)。該方法(fa)適用(yong)于(yu)組(zu)(zu)(zu)織(zhi)、腫瘤(liu)微(wei)環境及炎(yan)癥研究，能夠在無需分(fen)選細(xi)胞的(de)(de)(de)情(qing)況(kuang)下解(jie)析(xi)免(mian)(mian)(mian)疫(yi)(yi)細(xi)胞浸潤(run)情(qing)況(kuang)，為免(mian)(mian)(mian)疫(yi)(yi)相關疾(ji)病(bing)研究和免(mian)(mian)(mian)疫(yi)(yi)治(zhi)療(liao)提供重要參(can)考。
四(si)、免疫浸潤分析方法有哪些？
1.xCell
XCell（//xCell.ucsf.edu/）從64種(zhong)免疫細胞(bao)(bao)和基(ji)(ji)質細胞(bao)(bao)類型(xing)(xing)的(de)基(ji)(ji)因表達數據中(zhong)(zhong)進(jin)行(xing)細胞(bao)(bao)類型(xing)(xing)分析。xCell是一(yi)種(zhong)基(ji)(ji)于基(ji)(ji)因簽名的(de)方法，從各種(zhong)來(lai)源的(de)數千種(zhong)純細胞(bao)(bao)類型(xing)(xing)中(zhong)(zhong)學(xue)習(xi)，并(bing)應用(yong)了一(yi)種(zhong)新(xin)的(de)技術來(lai)減少密切(qie)相關(guan)的(de)細胞(bao)(bao)類型(xing)(xing)之間的(de)關(guan)聯，幫助研究人員(yuan)可(ke)靠(kao)地描繪組織表達譜的(de)細胞(bao)(bao)異質性景觀。
2.ESTIMATE
ESTIMATE（//bioinformatics.mdanderson.org/estimate/index.html）根據表達數據為研(yan)究人員提供了腫(zhong)(zhong)瘤(liu)純(chun)度、基(ji)(ji)質(zhi)細胞(bao)(bao)存在水(shui)平(ping)和腫(zhong)(zhong)瘤(liu)組(zu)織中免(mian)(mian)疫細胞(bao)(bao)浸潤水(shui)平(ping)的評分。通(tong)過進行單樣本(ben)基(ji)(ji)因(yin)測序(xu)分析(ssGSEA)，我們(men)計算(suan)基(ji)(ji)質(zhi)和免(mian)(mian)疫評分，以(yi)預測浸潤基(ji)(ji)質(zhi)和免(mian)(mian)疫細胞(bao)(bao)的水(shui)平(ping)，這些形成估(gu)計評分的基(ji)(ji)礎(chu)，以(yi)推斷腫(zhong)(zhong)瘤(liu)組(zu)織中的腫(zhong)(zhong)瘤(liu)純(chun)度。
3.ssGSEA
單樣本(ben)GSEA（ssGSEA）是(shi)基(ji)因(yin)集(ji)(ji)富(fu)集(ji)(ji)分析(GSEA)的(de)擴展，它為(wei)每(mei)個樣本(ben)和(he)基(ji)因(yin)集(ji)(ji)的(de)配(pei)對(dui)計算單獨的(de)富(fu)集(ji)(ji)分數。每(mei)個ssGSEA富(fu)集(ji)(ji)評分代表了樣本(ben)中特定基(ji)因(yin)集(ji)(ji)中的(de)基(ji)因(yin)協(xie)調上調或(huo)下(xia)調的(de)程度。
GSEA根據(ju)數(shu)(shu)(shu)(shu)據(ju)集(ji)(ji)中樣本集(ji)(ji)合的(de)(de)(de)表型(xing)差異(yi)生成一個(ge)(ge)(ge)基(ji)因(yin)集(ji)(ji)的(de)(de)(de)富(fu)集(ji)(ji)分(fen)數(shu)(shu)(shu)(shu)，而ssGSEA則獨立于表型(xing)標記，為每個(ge)(ge)(ge)樣本和(he)基(ji)因(yin)集(ji)(ji)的(de)(de)(de)配(pei)對計算一個(ge)(ge)(ge)單獨的(de)(de)(de)富(fu)集(ji)(ji)分(fen)數(shu)(shu)(shu)(shu)。通過這種(zhong)方式，ssGSEA將單個(ge)(ge)(ge)樣本的(de)(de)(de)基(ji)因(yin)表達譜(pu)轉換為基(ji)因(yin)集(ji)(ji)富(fu)集(ji)(ji)譜(pu)。一個(ge)(ge)(ge)基(ji)因(yin)集(ji)(ji)的(de)(de)(de)富(fu)集(ji)(ji)分(fen)數(shu)(shu)(shu)(shu)代表了該基(ji)因(yin)集(ji)(ji)成員(yuan)(yuan)協調調控的(de)(de)(de)生物過程的(de)(de)(de)活性水平(ping)。這種(zhong)轉換使(shi)研究(jiu)人(ren)員(yuan)(yuan)能(neng)夠描述細(xi)胞狀態。
4.MCPcounter
MCPcounter (Microenvironment Cell Populations-counter):一(yi)種(zhong)基于轉錄組的計算方法，可(ke)以對異質組織中(zhong)8個免疫細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)群(qun)和(he)(he)2個基質細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)群(qun)的絕對豐度(du)(du)進行穩(wen)健量(liang)化。從基因表達矩陣中(zhong)，它為每個樣本產生CD3+ T cells、CD8+ T cells、細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)毒性(xing)淋(lin)巴(ba)細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)、NK cells、B淋(lin)巴(ba)細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)、源自單(dan)核細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)（單(dan)核細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)譜系）的細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)、髓系樹突狀細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)、中(zhong)性(xing)粒細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)以及內(nei)皮(pi)細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)和(he)(he)成纖維細(xi)(xi)(xi)(xi)胞(bao)(bao)(bao)的豐度(du)(du)分數。
5.CIBERSORT
CIBERSORT（//CIBERSORT.stanford.edu）是一種從復(fu)雜(za)組織的(de)基因表(biao)(biao)(biao)達譜(pu)來表(biao)(biao)(biao)征細胞(bao)(bao)組成的(de)方法，可準確解析(xi)復(fu)雜(za)組織是基因表(biao)(biao)(biao)達譜(pu)中不同細胞(bao)(bao)亞群的(de)相對分數。CIBERSORT需(xu)要參考基因表(biao)(biao)(biao)達特(te)征的(de)輸入矩(ju)陣，共同用(yong)于估計每(mei)種感興趣細胞(bao)(bao)類型的(de)相對比(bi)例(li)。
6.ImmuCC
ImmuCC的(de)計算模型，以根據小鼠組(zu)(zu)織的(de)RNASeq數(shu)據預(yu)測10個(ge)免(mian)(mian)疫(yi)細(xi)胞的(de)組(zu)(zu)成。在(zai)從(cong)SRA收(shou)集并過濾可(ke)用的(de)小鼠RNA序(xu)列數(shu)據后(hou)，構建了一個(ge)基因矩陣，包括162個(ge)對(dui)(dui)10個(ge)主(zhu)要免(mian)(mian)疫(yi)細(xi)胞特(te)異的(de)基因。隨(sui)后(hou)，在(zai)相同的(de)特(te)征基因矩陣中(zhong)比(bi)較了六種(zhong)機器學習方(fang)法(fa)。測試結(jie)果表(biao)明，基于SVR和LLSR的(de)模型傾向于在(zai)模擬和實驗數(shu)據中(zhong)獲(huo)得更好的(de)性能。利用seq ImmuCC模型的(de)計算優勢，軟件建立了小鼠組(zu)(zu)織中(zhong)免(mian)(mian)疫(yi)細(xi)胞組(zu)(zu)成的(de)圖譜(pu)，并推斷出每個(ge)小鼠組(zu)(zu)織的(de)10種(zhong)主(zhu)要免(mian)(mian)疫(yi)細(xi)胞類型的(de)相對(dui)(dui)組(zu)(zu)成。
其(qi)中ESTIMATE、ssGSEA、MCPcounter、CIBERSORT主要用(yong)(yong)于(yu)人(ren)(ren)類免疫浸(jin)潤分析(xi)，ImmuCC主要用(yong)(yong)于(yu)小(xiao)(xiao)鼠免疫浸(jin)潤分析(xi)，而XCell則同(tong)時適用(yong)(yong)于(yu)人(ren)(ren)和(he)小(xiao)(xiao)鼠。
在精準醫學和免(mian)疫研(yan)究快速發展的(de)今天，免(mian)疫浸潤分(fen)(fen)析(xi)(xi)(xi)已成為探索疾病微環境、評估(gu)免(mian)疫治(zhi)療效果(guo)的(de)重要(yao)工具(ju)。不(bu)同的(de)分(fen)(fen)析(xi)(xi)(xi)方(fang)法各有適用場景，選(xuan)擇合(he)適的(de)工具(ju)至(zhi)關(guan)重要(yao)。作為深(shen)耕測序領域(yu)多年的(de)選(xuan)手，派森諾生物(wu)擁有豐(feng)富的(de)轉錄(lu)組免(mian)疫浸潤分(fen)(fen)析(xi)(xi)(xi)經驗，可提供(gong)以上6種免(mian)疫浸潤分(fen)(fen)析(xi)(xi)(xi)，提供(gong)從測序到高質量數據解讀的(de)一站式服務！
