DeSCENT：基于批量 RNA 测序数据与参考信息的细胞特征癌症生存预测方法

《Bioinformatics》：DeSCENT: Deconvolutional Single-Cell RNA-seq Enhances Transcriptome-based Cancer Survival Analysis

摘要

背景

单细胞RNA测序能够捕获肿瘤的异质性，但往往无法获取与患者生存结果相关的信息。而批量RNA测序数据虽然提供了生存数据，却缺乏对细胞表达的直接测量。

结果

DeSCENT利用批量RNA测序数据生成基于参考信息的细胞特征，并结合这两种特征进行生存预测。我们在八个TCGA癌症队列中评估了DeSCENT的效果。与批量RNA测序方法相比，DeSCENT提高了平均C指数，并且在时间依赖性AUC方面也有显著改善，不过综合Brier评分的结果喜忧参半。外部验证表明DeSCENT的平均C指数高于所有三种基线方法，但其性能仍低于内部评估的结果。这些发现支持在仅包含转录组数据的场景中使用细胞表达特征进行分析。

可用性与实现

代码：https://github.com/YonghaoZhao722/DeSCENT。存档快照：doi:10.5281/zenodo.22073099。

补充信息

补充数据可在Bioinformatics在线平台上获取。