https://mp.weixin.qq.com/s/0DascCYd5eadwdl77gcyeA
肿瘤微环境（TME）调节着肿瘤的生存、维持、生长和免疫监测，在疾病进展和治疗反应中起着重要作用，如局部耐药、免疫逃逸和癌症转移等。阐明不同细胞群中TME细胞的组成及其功能有助于探索更有效的肿瘤治疗方法。

批量RNA测序（bulk RNA-seq）可以在给定时间内揭示肿瘤中所有基因和TME的存在及数量，但如果没有细胞反卷积技术，仅凭总RNA表达量无法确定单个RNA分子的细胞起源。近期，科研人员开发了基于深度学习的反卷积方法，但这些方法往往需要对相同组织类型的单细胞RNA-seq数据或配对流式细胞仪数据进行再训练，这限制了其临床应用。
近日，美国MD安德森癌症中心和BostonGene公司的研究团队合作在Cancer Cell上发表了题为“Precise reconstruction of the TME using bulk RNA-seq and a machine learning algorithm trained on artificial transcriptomes”的文章。研究团队开发了一种决策树机器学习（ML）算法“Kassandra”，该算法对超9,400个组织和血液分选的细胞RNA图谱进行了训练，并将其整合到数百万个人工转录组中，以准确重建TME。此外，通过增加TME和血液重建的稳定性，研究团队综合分析了Kassandra对癌症生物学和治疗的影响。

发自「今日水木 on Redmi K30」
--
FROM 119.33.28.*