image.png
肿瘤免疫基因组学计算工具
涵盖人工神经网络，CNVs拷贝数变异，HLA人白细胞抗原，INDELs插入和缺失，NGS下一代测序，MNV多核苷酸变异，PSSM位置特异性评分基质，RNA-seq RNA测序，SNP单核苷酸多态性，SNVs单核苷酸变异，SVS结构变异，TIME 肿瘤免疫微环境、WES全外显子组测序、WGS全基因组测序
image.png
免疫细胞定量算法的优缺点
image.png
单细胞水平免疫组学
image.png
免疫组学的发展趋势与未来方向
image.png
癌症免疫研究的技术进步：从免疫基因组学到单细胞分析和人工智能 - 云+社区 - 腾讯云 (tencent.com)
Cell type and gene expression deconvolution with BayesPrism enables Bayesian integrative analysis across bulk and single-cell RNA sequencing in oncology
细胞类型和基因表达去卷积 BayesPrism 使得贝叶斯整体和单细胞 RNA 测序分析在肿瘤学中得以实现
本文介绍美国纽约州伊萨卡康奈尔大学兽医学院贝克动物健康研究所Tinyi Chu和美国纽约州伊萨卡市康奈尔大学兽医学院生物医学系Charles G. Danko共同通讯发表在 Nature cancer 的研究成果：作者开发了贝叶斯细胞比例重构，使用统计边缘化推断(BayesPrism)，一种贝叶斯方法，使用来源于患者的scRNA-seq作为先验信息，从bulk RNA-seq中预测单个细胞类型的细胞组成和基因表达。对原发性胶质母细胞瘤、头颈部鳞状细胞癌和皮肤黑色素瘤进行了整合分析，以将细胞类型组成与不同肿瘤类型的临床结果相关联，并探索恶性和非恶性细胞状态的空间异质性。作者使用排除混杂的非恶性细胞后的基因表达注释来细化当前的癌症亚型。最后确定了恶性细胞中与多种肿瘤类型的巨噬细胞浸润、T细胞、成纤维细胞和内皮细胞相关的基因表达。并且引入了一种新的视角，可以在bulk RNA-seq数据中准确地推断细胞组成和表达。
Nat. Cancer | 肿瘤学中的bulk和scRNA-seq的贝叶斯整合分析 (qq.com)
image.png
图1 BayesPrism算法流程及性能验证。
Danko-Lab/TED: a fully Bayesian approach to deconvolve tumor microenvironment (github.com)
image.png
TED/vignette.pdf at master · Danko-Lab/TED (github.com)
