肿瘤微环境是近年来的研究热点。复杂而动态的微环境中，肿瘤细胞与浸润性免疫细胞、基质细胞等相互作用，这在促进或抑制肿瘤生长、侵袭、转移以及对病人临床预后方面可能具有多方面的影响。很多算法与工具应运而生。
而基于表达谱分析组织中细胞组分情况，主要分成两大类：去卷积（deconvolving）方法分析细胞组成成分与评估每种细胞类型的富集情况。今天介绍两种比较典型的工具，分别是基于前者的CIBERSORT和基于后者的xCell，两种工具都可以在网页在线运行或利用R语言编程运行。

1. CIBERSORT

image

文章于2015年发表于Nature Methods，目前引用量已经超过1200，可见热度。
算法本身的理解目前对于我来讲有一定难度，总体是利用线性支持向量回归（linear support vector regression）方法对肿瘤组织表达矩阵进行反卷积，分析组织中各类型的细胞含量。
文章给出了一个名为LM22的leukocyte gene signature matrix作为参考集，包含22种白细胞亚型，

It contains 547 genes that distinguish 22 human hematopoietic cell phenotypes, including seven T-cell types, naïve and memory B cells, plasma cells, natural killer (NK) cells and myeloid subsets.

1.1 网页版

http://cibersort.stanford.edu/是其在线工具的网址，注册后即可获得500M的存储空间，进而使用。

image

首先点击Menu下的Upload Files，上传我们需要进行分析的表达矩阵，格式要求如下：

image

总结来说就是需要上传制表符分隔的，每行为基因，每列为样本的表达谱文件，基因名采用HUGO gene symbols，表达值不经过log2处理，且不能有缺失值。
文件上传成功后，File Type选择Mixture，Title自行编写，之后点击Menu下的Run CIBERSORT，进入下面页面

image

第一个“绝对模式”和“相对模式”的选择，根据页面所列的细节，个人认为暂不勾选较好

image

Signature gene file 选择LM22（22 immune cell types） (另：工具也可以自行确定signature matrix，分析其他细胞类型情况，我们先行跳过)
Mixture file 选择我们之前upload好的文件
Permutations 选择1000，准确性会更高，虽然运行时间变长
其余高级选项保留默认，点击Run，进行分析，分析之后即可下载各种文件格式的结果。结果示例如下图：

image

1.2 R函数版

我们知道上述网页工具已经是相当简便的了，那么我们再用R函数做CIBERSORT是不是就没有意义呢，不是，最起码网不好的时候不用着急。。。
R函数版非常简单，只需要source一下封装好的脚本，再把相关文件导入运算即可

source('CIBERSORT.R')
result <- CIBERSORT('LM22.txt','CIBERSORT_RNA.txt', perm = 1000, QN = TRUE)

脚本CIBERSORT.R在 https://rdrr.io/github/singha53/amritr/src/R/supportFunc_cibersort.R上可以找到，复制，粘贴，保存即可。
CIBERSORT()有4个参数，第一个'LM22.txt'即参考集leukocyte gene signature matrix，可在https://cibersort.stanford.edu/download.php处下载，第二个'CIBERSORT_RNA.txt'是我们准备好的表达矩阵，perm是计算p值时的置换次数，我们设置为1000，与网页版保持一致，QN是是否进行分位数归一化，默认为TRUE。运行后即可得到样本各细胞组分含量的结果。

2. xCell

文章于2017年发表于Genome Biology，目前引用在230+，影响力并没有CIBERSORT这么广泛。

image

算法包含了5个大类的64种细胞类型

image

2.1 网页版

https://xcell.ucsf.edu/是其在线工具的网址，不需注册

image

只需要上传基因表达数据，填写自己的邮箱地址，Run。结果运行出来后，会通过邮件的形式发至我们留的邮箱。注意填写RNA-seq与否的选项框。
表达数据的格式要求：

image

2.2 R包版

R包xCell存放在Github上，https://github.com/dviraran/xCell

devtools::install_github('dviraran/xCell')
library(xCell)
xCell  = xCellAnalysis(expr, rnaseq = TRUE) # RNA-seq
# xCell = xCellAnalysis(expr, rnaseq = FALSE) # 非RNA-seq

主要就是xCellAnalysis()函数，第一个参数是我们的表达矩阵对象，同时注意rnaseq参数是或否的选择。