单细胞转录组计算肿瘤纯度应该是金标准吗？

肿瘤微环境已经是超级热点了，目前从传统bulk转录组表达量矩阵里面流行的方法是 estimate看基质和免疫细胞比例 ，来源于2013数据挖掘文章，作者就整理了两个基因集来根据表达量矩阵使用estimate方法去量化肿瘤样品里面的基质细胞和免疫细胞的比例。目录是：

• estimate的两个打分值本质上就是两个基因集的ssGSEA分析
• 针对TCGA数据库全部的癌症的表达量矩阵批量运行estimate
• 不同癌症内部按照estimate的两个打分值高低分组看蛋白编码基因表达量差异

实际上， 这个方法还是过于粗糙了，肿瘤微环境的复杂程度，远不止基质和免疫细胞简单的归类。我随手查了一个比较新的综述文章：《Tumor microenvironment complexity and therapeutic implications at a glance》，链接是https://biosignaling.biomedcentral.com/articles/10.1186/s12964-020-0530-4，感兴趣的可以自己研读。免疫细胞有淋巴系的T，nk和b细胞，还有髓系的dc和TAM等等，统一的免疫细胞比例肯定是很难说明肿瘤真实的免疫情况，因为不同免疫细胞的作用并不一样。

抛开如此复杂的肿瘤微环境不谈，我们仅仅是看癌症病人样品里面的恶性肿瘤细胞的比例，这个是肿瘤纯度的概念，也很难确立金标准。

• 部分癌症类型的病人取样很难达到比较高的肿瘤纯度，如果是对样品做肿瘤外显子，会发现突变数量及其少，这个时候很难下结论突变数量少就是低的肿瘤突变符合
• 部分癌症类型的病人取样后的样品制备环节也会影响后续肿瘤细胞比例的技术，比如单细胞转录组技术对上皮细胞的还原能力就很差，这样得到的肿瘤纯度也有问题

最近看到了一个技术型比较文章：《Comparison of cell type distribution between single-cell and single-nucleus RNA sequencing: enrichment of adherent cell types in single-nucleus RNA sequencing》，就有4个技术的比较：

• H&E staining,
• bulk-RNA sequencing (ESTIMATE),
• snRNA-seq,
• scRNA-seq

HE染色里面的 stromal cells (yellow) and tumor cells (remaining cells) ，如下所示：

4个技术的比较

可以看到，文章其实默认了 H&E staining, 是金标准，但是不知道为什么这个肿瘤纯度的计算里面并没有考虑免疫细胞。还有一个更容易被大家忽略的问题，就是肿瘤样品里面的其实也有正常的上皮细胞，在单细胞转录组时间里面，其中上皮细胞里面的恶性肿瘤上皮细胞就需要走inferCNV等算法来鉴定，我们早期大量关于使用infercnv来推断肿瘤单细胞转录组数据里面的拷贝数的教程：

• CNS图表复现09—上皮细胞可以区分为恶性与否
• CNS图表复现13—使用inferCNV来区分肿瘤细胞的恶性与否
• CNS图表复现14—检查文献的inferCNV流程
• CNS图表复现15—inferCNV流程输入数据差异大揭秘
• CNS图表复现16—inferCNV结果解读及利用
• CNS图表复现17—inferCNV结果解读及利用之进阶

因为教程跨越了不同时间周期，软件更新，数据集的特异性，导致很多小伙伴follow不同系统的教程会得到不一样的报错。所以大家在运行 infercnv流程的时候 ，一定要注意关键参数哦！

然后我们计算得到的单细胞肿瘤纯度，是恶性肿瘤上皮细胞占这个病人的单细胞总数的比例啦。我在肺癌的单细胞文章：《Regenerative lineages and immune-mediated pruning in lung cancer metastasis》，

值得注意的是普通的单细胞转录组样品制备过程其实对上皮细胞不友好，因为 a bias in epithelial cell recovery ：

• cancer cell purity ranging from 7–32% per sample.
• 20–40% per sample from bulk targeted gene sequencing （基于MSK-IMPACT的panel的FACETS算法）

可以看到肿瘤纯度都低于50%的，如下所示：

单细胞对比肿瘤外显子

肿瘤纯度既然这么重要，那么到底哪个技术手段才是金标准呢？