570-BayesPrism：贝叶斯算法解析肿瘤单细胞转录组特征

这项研究介绍了一种名为 BayesPrism 的新算法，旨在解决从体表转录组数据中精确推断细胞类型比例和基因表达的难题。该工具利用贝叶斯统计模型整合单细胞参考数据，能够有效克服生物样本间的技术偏差，在性能测试中显著优于现有的细胞解卷积方法。通过对多种癌症样本的分析，研究揭示了肿瘤微环境中非恶性细胞（如巨噬细胞和 T 细胞）的分布及其状态对患者生存预后的关键影响。此外，BayesPrism 还能辅助识别不同解剖区域内恶性细胞的特定基因程序，为探索肿瘤进展过程中的细胞间相互作用提供了新视角。这种集成分析方法利用了海量的公共数据资源，为肿瘤学研究提供了一个更具成本效益且高分辨率的基因组观察工具。

References:

• Chu, T., Wang, Z., Pe’er, D. et al. Cell type and gene expression deconvolution with BayesPrism enables Bayesian integrative analysis across bulk and single-cell RNA sequencing in oncology. Nat Cancer 3, 505–517 (2022). doi.org