肿瘤是活的和动态的组织，在这些组织中，恶性细胞与由肿瘤细胞募集和修饰的宿主成分有着复杂的关系。通过直接的相互作用或通过它们产生的趋化因子和细胞因子，宿主细胞影响肿瘤生长，迁移和转移，以及，因此，病人的临床结果。肿瘤微环境的组成各不相同，包含支持癌细胞的伙伴，进食和路由元件以及造血细胞和髓样抑制细胞。
一般而言，高密度的T和B淋巴细胞，细胞毒性T和细胞，巨噬细胞和成熟的与患者的预后相关，而高密度的巨噬细胞，粒细胞，肥大细胞未成熟的淋巴细胞与预后不良相关。对肿瘤中这些细胞群体的定量分析为患者预后提供了重要的见识。该肿瘤微环境的组合物，在癌症的每个阶段，未经处理的或甚至之后化疗，放射或免疫疗法通常表示用于疾病控制[最强的预测。而且，最近已经建立并不断更新，肿瘤微环境为有效的免疫治疗提供了靶点和工具，例如检查点阻断和双特异性抗体，浸润肿瘤的淋巴细胞或表达嵌合抗原受体的T细胞。因此，至关重要的是在诊断时在治疗后量化肿瘤微环境细胞的数量和类型，以指导有效的患者护理。不同的方法已被成功地开发了包括通过免疫组织化学细胞定量或免疫荧光。这些方法的优点是考虑到癌组织的结构。但是，它们解释起来很复杂且耗时。转录组学分析需要少量的，从而可以进行顺序分析以及研究大系列癌症中的恶性细胞和肿瘤微环境特征。此外，它们还可以同时分析大量标记，并且通过测量趋化因子，细胞因子和炎症分子的基因表达，可以告知肿瘤与宿主相互作用的功能方向。此外，转录组学研究允许以高通量使用下一代测序技术。最后，它们可以轻松地与其他分子分析整合在一起。
已经进行了许多努力来分析肿瘤转录组和估计肿瘤微环境的组成。困难在于肿瘤内部或周围极高的细胞异质性，在转录信号中产生了多种变异性来源，特别是细胞群的频率及其表型的可塑性。所有这些方面都有助于确定给定基因的转录组学指标，这是样品中所有细胞的单细胞信号的平均值。
已经使用几种方法来解决这个问题。在开创性的工作中，已经建立了一个数学框架来估计异种样品的基因表达中不同细胞类型的参与。另一项研究关注免疫细胞，使用四种免疫起源的转化细胞系建立B细胞，单核细胞和T细胞的独特表达谱，从而允许对这三种细胞类型的微阵列转录组数据进行反卷积。已经描述了28种免疫细胞亚类的基因表达特征，包括效应子，记忆和辅助T淋巴细胞。例如，这些签名已用于基因集富集分析，以得出每个免疫细胞亚群的得分。也已被用来定义，有趣的是它与对抗检查点疗法的反应有关。
最近的方法旨在使用反卷积技术提供有关异类样品细胞含量的高精度定量信息。一种使用支持向量回归的方法，使出国看病服务机构能够估计异质性肿瘤样品中22种免疫细胞亚型的相对比例。出国看病服务机构的团队已经为8种免疫细胞以及成纤维细胞和血管建立了极为严格和强大的基因特征，并将其用于称为的方法中，其得分与样本中细胞的数量成正比。它已经针对受控混合物进行了验证，并且与措施具有很好的相关性，证明它可以提供有趣的替代方法。纯净软件可以识别肿瘤样品中的癌症概况，并量化恶性和健康细胞对来自肿瘤数据和参考概况的转录组信号的贡献。计数器不允许对恶性细胞进行定量，但不需要任何参考“正常”配置文件。在某些情况下，例如在进行活组织检查时，可能很难获得此类轮廓。
在对肿瘤微环境进行分析的过程中，重要的是要强调这些方法并非旨在用于同一用途。允许比较样品中的细胞群，而允许样品间比较免疫细胞和基质细胞群。估计每个被筛选的人口占被筛选人口总数的比例，但忽略未筛选的人口。因此，它是一种用于比较总体的强大工具，但是在用于比较不同样本时受到限制。相比之下，计数器得分以针对每个群体的特定单位表示，并且与该群体在整个样本中的细胞比例成正比，因此可以在同一组样本之间进行比较。
不同混合物组合物配置的估计值和计数器得分的比较。在左侧面板是三种可能的细胞混合物的示意性表示，而中间和右图分别代表计数器建议的估算值。出国看病服务机构注意到，前两种混合物的估计值相似，因为它们仅表示为筛选人群中细胞的百分比，而与样品中的总浸润率无关。相反，计数器得分与总样本中每个细胞种群的数量成正比，因此可以对每个种群进行样本间比较。但是，对于每个人群，这些得分以不同的任意单位表示，这阻止了人群之间的样本内比较。允许这种类型的比较
细胞定量转录组学分析的主要障碍之一是通过基因签名表达对细胞群体的定量与组织中，特别是肿瘤中相应细胞类型的密度之间的潜在差异。出国看病服务机构最近解决了这个问题。出国看病服务机构已经显示出使用体外多种群刺入实验，得分与相应人群的丰富度密切相关。此外，尽管未完美，T细胞，细胞毒性细胞，和单核细胞的基因表达谱表达相关与的肿瘤内密度+细胞通过。 |
