编辑推荐：
本文推荐DECEPTICONx这一创新计算框架，其通过整合单细胞RNA测序（scRNA-seq）数据构建高分辨率表达模板，动态优化解卷积策略，首次在30种癌症、超1.1万例TCGA样本中系统性量化102种免疫与基质细胞亚型组成。该图谱揭示了特定细胞亚型与患者预后、免疫治疗响应及肿瘤微环境（TME）内细胞协同作用的显著关联，为精准肿瘤学的生物标志物发现及治疗开发奠定基础。
背景
肿瘤微环境（TME）由恶性细胞、免疫细胞和基质细胞组成复杂生态系统，其相互作用深刻影响癌症进展与治疗响应。尽管单细胞RNA测序（scRNA-seq）技术可解析TME异质性，但其临床应用受限于高昂成本、样本制备复杂性及临床注释缺失。相比之下，积累数十年的批量RNA测序（RNA-seq）数据伴随丰富临床信息，通过计算解卷积可低成本实现大规模TME分析。然而，现有算法（如CIBERSORTx、BayesPrism）性能高度依赖表达模板质量及其与目标数据集的上下文匹配。为此，研究团队开发DECEPTICONx框架，其自适应选择最优模板构建与解卷积策略组合，突破传统方法局限。
泛癌TME图谱构建框架
DECEPTICONx集成三种模板构建算法（Monocle3、BayesPrism、MuSiC2）及十一种解卷积方法（如CIBERSORT、EPIC、quanTIseq），通过动态配对策略提升解卷积精度。基于535,665个单细胞数据，团队构建涵盖T细胞、B细胞、成纤维细胞、巨噬细胞和NK细胞六大类群的102个亚型表达模板，并成功解卷积超过1.1万例TCGA样本，建立迄今最全面的泛癌TME图谱。该图谱不仅量化各癌症类型中细胞亚型组成差异，还通过关联临床数据揭示亚型与预后、免疫治疗响应的内在联系。
模拟批量RNA-seq数据评估
在模拟数据集中，DECEPTICONx在B细胞（R=0.98）、CD8+T细胞（R=0.94）和巨噬细胞（R=0.97）比例估计中均显示最高Spearman相关性，显著优于CIBERSORTx、BayesPrism等方法。在T细胞亚型层面，DECEPTICONx即使在高度噪声条件下仍保持0.61以上相关性，稳定性显著优于对比模型。进一步通过流式细胞术（FACS）验证，DECEPTICONx在黑色素瘤、头颈鳞癌（HNSCC）及全血样本中与金标准测量结果高度一致（平均R=0.70–0.84），证实其在真实组织中的可靠性。
TME中肿瘤浸润T细胞景观
通过分析184,456个T细胞scRNA-seq数据，DECEPTICONx成功解析17个CD8+T细胞和24个CD4+T细胞亚型（如耗竭T细胞Tex、干扰素刺激基因阳性细胞ISG等）。图谱显示CD8+T细胞组成在癌症类型间存在显著差异（Permanova, p=0.001），并识别出由三个ISG+亚型组成的肿瘤反应性T细胞模块。在抗PD-1治疗的黑色素瘤队列中，非应答者富集终末耗竭Tex细胞，而应答者富含初始T细胞和Tc17样亚型，提示亚型组成与免疫治疗响应密切相关。
B细胞与成纤维细胞亚型功能解析
B细胞分析揭示B.c06.Bm.stress-response亚型与不良预后相关，而B.c08.ABC.FCRL4在免疫治疗应答者中高表达。成纤维细胞研究中，LRRC15+肌成纤维细胞（Fibroblast.c04.LRRC15）在免疫治疗非应答者中富集，而PI16+成纤维祖细胞（Fibroblast.c05.PI16）显示抗肿瘤潜力，二者比例联合可显著分层患者预后。
巨噬细胞与NK细胞异质性
巨噬细胞亚型中，IL-1β分泌型（Macro.c04.IL1B）和SPP1高表达型（Macro.c09.SPP1）与不良预后相关，而ISG15+亚型（Macro.c06.ISG15）在免疫治疗应答者中显著富集。NK细胞图谱鉴定出CD56dimCD16hi.DNAJB1亚型（NK.c12）作为潜在耐药标志物，其在非应答者中高表达。
免疫治疗响应与精准肿瘤学应用
通过分析黑色素瘤和非小细胞肺癌（NSCLC）免疫治疗队列，DECEPTICONx识别出CD4.c23.Mix.NME1亚型作为核心免疫抑制节点，其与非应答状态显著相关，并与免疫抑制性巨噬细胞（Macro.c09.SPP1）正相关，与应答相关亚型（如CD8.c01.Tn.MAL）负相关。基于亚型组成的无监督聚类将患者分为三种免疫生态型，其中CD4.c23.Mix.NME1高表达群富含非应答者，凸显其作为生物标志物与治疗靶点的双重价值。
讨论与展望
DECEPTICONx通过上下文优化解卷积策略，实现了跨癌症的高分辨率TME解析，其构建的图谱为肿瘤免疫生态研究提供资源，并推动基于TME组成的精准分型。未来整合空间转录组数据将进一步提升对细胞互作空间动态的解析能力。
