课题组盛钰琪博士专注于细胞互作网络的研究，近日其硕士期间的研究工作在Briefings in Bioinformatics上发表。论文标题为：iATMEcell: identification of abnormal tumor microenvironment cells to predict the clinical outcomes in cancer based on cell–cell crosstalk network.

【亮点】肿瘤微环境中细胞之间的相互作用形成了肿瘤独特的生长环境，维持了肿瘤的生长并促成了肿瘤细胞的免疫逃逸。因此，本文提出一种基于网络的计算方法，iATMEcell，以细胞-细胞交互网络为基础，识别特定感兴趣的生物条件下相关的异常TME细胞。具体来说，首先从多个研究中手动收集TME细胞类型及其特征基因。然后在特定的转录背景下，根据细胞参与的生物学功能构建了一个加权的细胞交互网络，网络的权重包含细胞之间的生物功能相似性和细胞之间共享基因的转录失调程度。最后使用网络扰动算法计算细胞的中心性分数，从而确定与癌症相关的异常细胞。文章将该方法应用于TCGA数据集中尿路上皮细胞癌（BLCA）数据集，发现了NK细胞显著异常。基于NK细胞的特征基因，使用LASSO和单因素COX方法构建风险评分模型，将样本分为高低风险组验证了模型的预后效能。并在独立队列中验证了这一结果，并发现该模型的风险评分与患者的免疫治疗反应相关。由于单个细胞的预后效能是有限的，进一步构建了基于多个细胞的风险模型的整合模型，验证多细胞整合模型同样具有预后效能和预测免疫反应性能。最后，将该方法分别应用多个癌症数据集，利用异常细胞构建生存模型，在泛癌中发现了相似性。该方法可以更精准的在不同转录条件下识别特有的异常细胞，对理解癌症中肿瘤微环境细胞之间的相互作用以及识别预后基因提供了新的思路。iATMEcell方法已经开发为R包，可以在GitHub上获取使用。

附图：(A) TME细胞类型分类。(B) iATMEcell方法示意图。

【出版信息】Briefings in Bioinformatics, bbad074, https://doi.org/10.1093/bib/bbad074