2025-03-05
Highlights
1：免疫浸润分析有助于理解免疫系统在疾病中的作用，应用广泛。
2：免疫浸润分析方法主要有：xCell、ESTIMATE、ssGSEA、MCPcounter、CIBERSORT、ImmuCC。
3：派森诺生物可提供6种免疫浸润分析，提供从测序到高质量数据解读的一站式服务。
在医学研究领域，免疫浸润是当下备受瞩目的研究方向。它在肿瘤、炎症、自身免疫病、代谢疾病等多种疾病的研究中都有着至关重要的地位。免疫浸润能够反映免疫系统在不同疾病状态下的作用情况，是理解疾病发生、发展以及治疗效果的关键因素。
一、什么是免疫浸润？
免疫浸润（Immune Infiltration）是指免疫细胞在组织或病灶中的分布情况，它反映了免疫系统对疾病的应答情况。简单来说，就是看看都有哪些免疫细胞进入了特定的组织，像肿瘤微环境或者炎症发生的部位。
免疫微环境（TME）：免疫微环境描述了肿瘤内及其周围区域中各种免疫细胞、基质细胞、血管和分泌因子等构成的复杂生态系统。其中，免疫浸润程度直接决定了肿瘤的“冷”或“热”状态。
“热”肿瘤：表现为高免疫浸润，即肿瘤内存在丰富的免疫细胞（如CD8⁺ T细胞、活化的自然杀伤细胞等）。这类肿瘤通常对免疫治疗（例如PD-1/PD-L1抑制剂）反应较好，因为免疫系统已经处于活跃状态，可以被进一步激活以攻击肿瘤细胞。
“冷”肿瘤：表现为低免疫浸润，免疫细胞数量较少，往往对免疫治疗产生抵抗。这可能是由于肿瘤通过免疫抑制机制或其他途径阻断了免疫细胞的浸润，导致局部免疫监视减弱。
二、为什么要做免疫浸润分析？
免疫浸润分析有助于理解免疫系统在疾病中的作用，并用于以下领域：
1. 肿瘤免疫研究
判断肿瘤免疫类型（冷肿瘤 vs. 热肿瘤）
预测免疫治疗效果（如PD-1/PD-L1抑制剂）
筛选生物标志物（特定免疫细胞比例是否与生存率相关）
2. 炎症和自身免疫病
分析免疫细胞在炎症组织中的变化（如类风湿性关节炎、克罗恩病）
探索免疫系统的异常激活机制
3. 感染和疫苗研究
病毒或细菌感染后免疫细胞的动态变化
疫苗免疫应答的效果评估
4. 免疫与代谢疾病
免疫细胞在肥胖、糖尿病等代谢性疾病中的作用
探索慢性炎症如何影响代谢失衡
三、普通转录组是怎么做免疫浸润的？
普通转录组测序（bulk RNA-seq）数据进行免疫浸润分析的原理是利用免疫细胞特异性基因的表达模式，从整体组织样本的基因表达数据中推测不同类型免疫细胞的比例。由于每种免疫细胞（如CD8+ T细胞、巨噬细胞、B细胞等）具有特定的基因表达特征，可以将样本的转录组数据与已建立的免疫细胞参考数据库进行匹配，通过数学模型（如线性回归、ssGSEA等）估算样本中的免疫细胞组成。该方法适用于组织、肿瘤微环境及炎症研究，能够在无需分选细胞的情况下解析免疫细胞浸润情况，为免疫相关疾病研究和免疫治疗提供重要参考。
四、免疫浸润分析方法有哪些？
1.xCell
XCell（http://xCell.ucsf.edu/）从64种免疫细胞和基质细胞类型的基因表达数据中进行细胞类型分析。xCell是一种基于基因签名的方法，从各种来源的数千种纯细胞类型中学习，并应用了一种新的技术来减少密切相关的细胞类型之间的关联，帮助研究人员可靠地描绘组织表达谱的细胞异质性景观。
2.ESTIMATE
ESTIMATE（https://bioinformatics.mdanderson.org/estimate/index.html）根据表达数据为研究人员提供了肿瘤纯度、基质细胞存在水平和肿瘤组织中免疫细胞浸润水平的评分。通过进行单样本基因测序分析(ssGSEA)，我们计算基质和免疫评分，以预测浸润基质和免疫细胞的水平，这些形成估计评分的基础，以推断肿瘤组织中的肿瘤纯度。
3.ssGSEA
单样本GSEA（ssGSEA）是基因集富集分析(GSEA)的扩展，它为每个样本和基因集的配对计算单独的富集分数。每个ssGSEA富集评分代表了样本中特定基因集中的基因协调上调或下调的程度。
GSEA根据数据集中样本集合的表型差异生成一个基因集的富集分数，而ssGSEA则独立于表型标记，为每个样本和基因集的配对计算一个单独的富集分数。通过这种方式，ssGSEA将单个样本的基因表达谱转换为基因集富集谱。一个基因集的富集分数代表了该基因集成员协调调控的生物过程的活性水平。这种转换使研究人员能够描述细胞状态。
4.MCPcounter
MCPcounter (Microenvironment Cell Populations-counter):一种基于转录组的计算方法，可以对异质组织中8个免疫细胞群和2个基质细胞群的绝对丰度进行稳健量化。从基因表达矩阵中，它为每个样本产生CD3+ T cells、CD8+ T cells、细胞毒性淋巴细胞、NK cells、B淋巴细胞、源自单核细胞（单核细胞谱系）的细胞、髓系树突状细胞、中性粒细胞以及内皮细胞和成纤维细胞的丰度分数。
5.CIBERSORT
CIBERSORT（http://CIBERSORT.stanford.edu）是一种从复杂组织的基因表达谱来表征细胞组成的方法，可准确解析复杂组织是基因表达谱中不同细胞亚群的相对分数。CIBERSORT需要参考基因表达特征的输入矩阵，共同用于估计每种感兴趣细胞类型的相对比例。
6.ImmuCC
ImmuCC的计算模型，以根据小鼠组织的RNASeq数据预测10个免疫细胞的组成。在从SRA收集并过滤可用的小鼠RNA序列数据后，构建了一个基因矩阵，包括162个对10个主要免疫细胞特异的基因。随后，在相同的特征基因矩阵中比较了六种机器学习方法。测试结果表明，基于SVR和LLSR的模型倾向于在模拟和实验数据中获得更好的性能。利用seq ImmuCC模型的计算优势，软件建立了小鼠组织中免疫细胞组成的图谱，并推断出每个小鼠组织的10种主要免疫细胞类型的相对组成。
其中ESTIMATE、ssGSEA、MCPcounter、CIBERSORT主要用于人类免疫浸润分析，ImmuCC主要用于小鼠免疫浸润分析，而XCell则同时适用于人和小鼠。
在精准医学和免疫研究快速发展的今天，免疫浸润分析已成为探索疾病微环境、评估免疫治疗效果的重要工具。不同的分析方法各有适用场景，选择合适的工具至关重要。作为深耕测序领域多年的选手，派森诺生物拥有丰富的转录组免疫浸润分析经验，可提供以上6种免疫浸润分析，提供从测序到高质量数据解读的一站式服务！
