Hay un par de métodos computacionales que intentan hacer esto (nunca los usé, así que no tengo experiencia):

1. CellMix, basado en conjuntos de genes marcadores listas
2. Predicción de subconjuntos a partir de la correlación de enriquecimiento, que se basa en correlaciones con genes específicos de subconjuntos en un conjunto de muestras.
3. Enriquecimiento de tipo celular, que utiliza nuestra base de datos de genes específicos de células altamente expresada
4. Análisis de significación específico del tipo de célula mediante expresión genética diferencial para cada tipo de célula
ol >

Es posible que deba obtener algunos niveles de expresión de referencia de bases de datos o artículos públicos para algunos de los métodos.

Una cosa a tener en cuenta: no se puede calcular realmente la proporción de células, solo la proporción de ARN. Si tiene una buena razón para suponer que la cantidad de ARN por célula es muy similar, este es un buen indicador de la proporción de células en un tejido.

La deconvolución celular se menciona en esta publicación de Biostars, que menciona CIBERSORT para mezclas de células inmunes, y el paquete Bioconductor DeconRNASeq.

En cuanto a Soy consciente de que, en el mejor de los casos, solo es posible obtener una representación proporcional para la expresión de la transcripción a partir de los resultados de secuenciación estándar de alto rendimiento, porque los secuenciadores y el flujo de trabajo de preparación de muestras están diseñados de tal manera que se generan la misma cantidad de lecturas independientemente de la cantidad de entrada.

Puede descargar datos públicos de la secuencia de ARN de una sola célula o de la secuencia de ARN a granel para las células primarias purificadas como referencia y luego usar CIBERSORT o MuSiC para deconvolucionar. compatible, TPM de RNA-seq se puede comparar con CPM en datos de celda única de 3 '(10X, Drop-seq, etc.) y TPM en datos de celda única de longitud completa (SMARTseq, etc.)

En realidad, hace un mes, estaba buscando la misma pregunta y encontré algunos paquetes que se pueden usar. En primer lugar, la funcionalidad de ellos puede ser la estimación de la proporción celular, la estimación de la expresión génica específica de la célula o ambas funciones. En segundo lugar, su entrada principal, como se esperaba, son datos de secuencia de ARN a granel y algunos también quieren datos de secuencia de ARN de una sola célula como entrada secundaria. El más popular es el hijo del famoso cibersort, CIBERSORTX. Revisé su sitio web y leí los tutoriales. Tienen varios conjuntos de datos de ejemplo que se pueden usar para aprender su plataforma. Sin embargo, las dos fallas más grandes fueron que no han compartido su código fuente, lo que significa que no podemos reproducir el resultado en nuestros propios sistemas y tenemos que cargar todos nuestros datos en los servidores de Stanford (¡preocupaciones de seguridad!). El segundo problema es que no hay acceso API a su servidor y todo debe hacerse en línea, lo que significa una compatibilidad muy baja con otras herramientas.

La idea, usar la deconvolución y el aprendizaje profundo para inferir subpoblaciones de celdas de forma masiva RNA-seq, es genial. Entonces, busqué para ver si otros también habían hecho algo similar y tal vez incluso mejor. Encontré otras tres herramientas:

1. MuSiC: https://www.nature.com/articles/s41467-018-08023-x
   Publicado en comunicación de la naturaleza y unos meses más antiguo que cibersortx. Todavía no he estudiado su algoritmo, por lo que no puedo decir si su método es mejor que cibersortx o no. Sin embargo, la parte que marca la diferencia es que todos sus trabajos, incluido su código fuente, son de código abierto. Entonces, puedo acceder a su código y no necesitamos cargar nuestros datos no publicados en un servidor en línea no seguro (a diferencia de cibersortx). La segunda cosa buena es que está implementado en lenguaje R que utilizo para la mayoría de mis análisis de datos RNA-seq, por lo que es fácilmente compatible con otras herramientas.

2. Scaden: https://advances.sciencemag.org/content/6/30/eaba2619.full Este también es de código abierto y accesible fácilmente. Está escrito en Python y se ejecuta en el shell. Entonces, es algo compatible con otras herramientas (no tan compatible como MuSic). Nuevamente, podemos procesar nuestros datos localmente y no necesitamos cargar nuestros datos en ningún servidor (lo cual es bueno). Afirman que su método tiene una mejor correlación con los datos de scRNA-seq reales que tanto cibersortx como MuSic (¡no siempre!). Ejecutar sus herramientas parece fácil según sus tutoriales (¡todavía no lo he ejecutado en mi sistema!). Sin embargo, sus tutoriales parecen ser un poco confusos y parece que todavía están en la versión preliminar y tienen errores.

3. CDSeq: https: / /github.com/kkang7/CDSeq_R_Package Finalmente, encontré el paquete CDSeq que no necesita ninguna entrada de scRNA-seq para encontrar proporciones de células individuales y expresión génica específica de células en datos masivos. Simplemente obtiene su recuento de buld como entrada e información sobre muy pocos parámetros y lo hace todo automáticamente, y sorprendentemente bien, ¡lo verifiqué! Si puede encontrar el patrón de expresión génica de sus células específicas y también usarlo como entrada, es opcional, le dará una estimación aún mejor.