荷兰阿姆斯特丹癌症中心Yongsoo Kim等撰写小综述《RNA反卷积方法及其应用的全面概述》，深入分析了20种RNA反卷积技术、它们的应用以及局限性。RNA反卷积方法对于分析bulk RNA-seq数据至关重要，能够推断复杂组织中的细胞类型组成，如肿瘤微环境。尽管单细胞RNA测序（scRNA-seq）可以提供高分辨率的数据，但成本昂贵且技术复杂，因此反卷积方法成为一种有价值的替代方案。
关键观点
1. RNA反卷积的必要性:
o 肿瘤由多种异质性细胞群体组成，包括各种免疫和基质细胞，这些细胞与恶性细胞相互作用。传统的bulk RNA-seq测量混合细胞群体中的基因表达，限制了研究个别细胞类型的能力。RNA反卷积方法通过估计bulk RNA数据中的不同细胞类型比例来解决这一限制。
2. 反卷积方法的分类:
o 本文根据多项标准对20种反卷积方法进行了分类：算法类型（线性、概率模型）、是否使用先验知识（监督、无监督）以及输出结果（细胞类型比例、体外纯化）。线性回归方法如ABIS、TIMER和MuSiC广泛应用，而更高级的概率模型如BayesPrism和BLADE提供了更大的灵活性，但计算成本较高。
3. 在肿瘤微环境中的应用:
o 反卷积方法已广泛应用于研究肿瘤微环境。例如，CIBERSORT用于识别癌症患者中的免疫亚型，揭示了免疫细胞群与患者预后之间的联系。在另一项研究中，Luca等人使用CIBERSORTx定义了肿瘤中的细胞生态型，展示了反卷积如何揭示复杂的肿瘤生态系统。
4. 挑战与局限:
o 尽管RNA反卷积方法非常有用，但它们存在局限性。细胞类型比例估计的准确性依赖于参考数据集的质量，且未考虑基因表达变异性的方法可能引入偏差。此外，反卷积计算量大，特别是对于概率模型而言，其在非RNA数据中的应用还未得到充分探索。
结论
本文总结指出，虽然RNA反卷积技术是解析复杂组织的强大工具，但需要谨慎应用和验证。研究人员应根据特定需求选择方法，考虑计算资源和先验知识的可用性。随着该领域的发展，将多组学数据和空间转录组学整合到反卷积模型中，可能进一步提升这些方法的实用性。
启示
• 对癌症研究的影响: 反卷积技术为研究肿瘤异质性和免疫细胞浸润提供了深入的见解，使研究人员能够以前所未有的细节探索肿瘤微环境。这些知识可以帮助开发靶向疗法，改善患者预后。
• 对方法学发展的影响: 随着新方法的涌现，研究人员应集中于解决当前的局限性，例如提高计算效率，并扩展反卷积在非RNA数据类型中的应用。整合空间转录组学和多组学数据对于未来的研究具有巨大潜力。
参考文献
Yebin Im et al. A comprehensive overview of RNA deconvolution methods and their application. Molecules and Cells. 2023
