.png){kind=icon}
返回
A guide to transcriptomic deconvolution in cancer
.png){kind=icon}
PRE
AI
DOI：10.1038/s41568-025-00886-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
肿瘤组织是肿瘤细胞、基质细胞和免疫细胞的异质性混合物，其中每个组分包含多种不同的细胞类型和/或状态。绘制这种异质性并理解每种细胞类型对肿瘤转录组的独特贡献，对于推动肿瘤生物学至关重要，然而来自肿瘤组织的高通量表达谱仅代表了所有细胞来源的混合信号。对这些混合信号进行计算解卷积已作为一种强大的方法出现，用于解析细胞组成和细胞类型特异性表达模式。在此，我们为肿瘤研究人员提供了一份关于转录组解卷积的全面指南，呈现了选择和应用解卷积方法的系统性框架，考虑了肿瘤组织的独特复杂性、数据可用性和方法假设。我们详细介绍了43种解卷积方法，并概述了不同方法如何服务于肿瘤研究的不同应用：从理解肿瘤-免疫监视到识别肿瘤亚型、发现预后生物标志物和表征空间肿瘤结构。通过考察这些方法的能力和局限性，我们突出了新兴趋势和未来方向，特别是在解决肿瘤细胞可塑性和动态细胞状态方面。肿瘤异质性对肿瘤进展和治疗反应有显著影响，但来自临床肿瘤样本的批量表达数据掩盖了这种复杂性。计算解卷积方法可以解析细胞类型特异性信号。本综述为肿瘤研究人员提供了实用指南，以选择解卷积方法并最大化批量转录组数据的效用。
Keyword:
Transcriptomic deconvolution
Cancer heterogeneity
Cell-type-specific expression
Computational methods
Tumour microenvironment
.png){kind=icon}
