基因签名发现
利用多数据集鉴别肿瘤细胞特异性基因标记。
对多个单细胞数据集进行差异表达分析，取交集获得肿瘤基因签名（162个基因）和正常基因签名。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
使用机器学习在单细胞水平上识别肿瘤细胞
Identifying tumor cells at the single-cell level using machine learning
实验完整度
高包含多数据集基因签名发现、分类器训练与验证（多个癌症数据集）、独立数据集验证（包括单细胞、细胞系、PDX）、功能验证（基因扰动实验）和机制分析（CNV、预后、融合）。
主要模型
肺癌、结直肠癌等单细胞RNA-seq数据集 胃癌激光显微切割样本 ENCODE细胞系和CCLE癌细胞系 患者来源异种移植（PDX）模型
重点核对
训练集：Laughney肺癌和Lee结直肠癌数据集，测试集：Lambrechts肺癌、Kildisiute神经母细胞瘤等 肿瘤和正常基因签名（肿瘤162个基因，正常基因集） logistic回归分类器和网络传播算法 多个指标：平衡准确性、AUROC、混淆矩阵 CNV校正步骤降低假阳性率
摘要
肿瘤是由癌细胞组成的复杂组织，周围环绕着与之相互作用的异质性细胞微环境。单细胞测序能够对肿瘤内的单个细胞进行分子表征。然而，细胞注释——即为每个测序细胞分配细胞类型或细胞状态——是一项挑战，尤其是在单细胞或空间测序实验中识别肿瘤细胞。在这里，我们提出了ikarus，一个旨在单细胞水平上区分肿瘤细胞与正常细胞的机器学习流程。我们在多个单细胞数据集上测试了ikarus，表明它在多种实验情境下均能达到较高的敏感性和特异性。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 能否构建一个分类器，在多种癌症类型中正确区分肿瘤细胞与正常细胞？
- 核心机制
- 肿瘤基因签名包含细胞周期基因模块，但整体低共表达，提供协同信息，且与不良预后、基因融合及拷贝数变异相关。
- 主要证据
- 在多个单细胞数据集（肺癌、结直肠癌、神经母细胞瘤等）上，ikarus实现平均平衡准确率0.98，优于其他方法；独立验证显示肿瘤签名在癌症样本、细胞系和PDX中显著富集。
- 研究意义
- ikarus可用于自动区分肿瘤细胞，有助于新抗原预测、肿瘤亚群遗传特征分析和数字病理学。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
分类器训练和验证
评估ikarus分类性能。
使用基因签名评分，训练逻辑回归分类器并进行网络传播，在独立数据集上测试。
独立验证
验证肿瘤签名在不同来源数据中的区分能力。
在胃癌激光微切割、ENCODE细胞系、CCLE癌细胞系、PDX样本中评分，比较肿瘤和正常签名得分。
多组学整合
使用CNV信息降低分类假阳性率。
使用inferCNV推断CNV，训练逻辑回归分类器进行校正。
基因签名特性分析
表征基因签名的功能属性和临床关联。
进行共表达分析、基因集富集、与公共数据库比较，分析预后、基因融合和CNV关联。
鲁棒性测试
评估基因签名对基因删除的敏感性。
进行基因集大小消融和单基因消融实验，测量分类准确率变化。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 基因签名评分 | AUCell | -- | -- |
| 基因签名评分（bulk数据） | escape | Bioconductor | -- |
| CNV分析 | inferCNV | -- | -- |
| 共表达分析 | SEEK | -- | -- |
| 基因本体分析 | gprofiler2 | Bioconductor | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 基因签名发现 | 输入数据需规范化（总计数归一化，log2变换），包含所有基因；比较的细胞类型注释；差异表达分析参数（调整p值阈值0.1）；选取前300个基因；交集/并集选择。 阅读提示：Methods: Defining gene signature lists |
| 分类器训练 | 训练集：Laughney和Lee数据集；特征：肿瘤和正常基因签名评分；模型：逻辑回归；评估指标：最小平衡准确率。 阅读提示：Methods: Logistic classifier training |
| 独立验证 | 测试集：Lambrechts、Kildisiute、Puram等数据集；评分方法：AUCell；性能指标：平衡准确率、AUROC。 阅读提示：Results: Accurate delineation of cancer cells; Methods: Cell scoring using gene sets |
| CNV校正 | inferCNV参数（cutoff=0.1，HMM），伪标签训练逻辑回归分类器。 阅读提示：Methods: CNV correction |
| 基因签名特性分析 | 数据库版本（MsigDB v7.4等），阈值（p值<0.01），背景分布构造。 阅读提示：Methods: Gene set characterization |