免疫浸润、免疫调控数据库、scRNA-seq、降维可视化
此外，阅读原文可关注「生信菜鸟团-每周文献分享」专栏知识库https://www.yuque.com/biotrainee/weeklypaper供稿人：凌云月
FARDEEP算法在计算组织免疫细胞浸润优于ESTIMATE,CIBERSORT等算法题目：Fast and robust deconvolution of tumor infiltrating lymphocyte from expression profiles using least trimmed squares链接: https://www.ncbi.nlm.nih.gov/pubmed/31059559FARDEEP能够自动检测和去除离群值，此外FARDEEP对异常值的影响较小，并且比现有的方法在数值模拟和实际数据集上都能返回更好的系数估计。FARDEEP除了提供各种免疫细胞的相对百分比外，还提供与每个免疫细胞亚群的绝对数量相关的估计。最后还有相关R包可直接安装使用。https://github.com/YuningHao/FARDEEP.git。
供稿人：Christine
题目：High-throughput phenotyping reveals expansive genetic and structural underpinnings of immune variation链接: https://www.nature.com/articles/s41590-019-0549-0近年的免疫研究很热，如果我们知道单基因突变会对免疫系统带来什么影响，将非常有助于我们从测序数据中发现更多有价值的信息。然而，影响免疫的因素实在太多，基因、性别、年龄、生活环境、饮食习惯等等，我们很难将基因与特定免疫功能联系起来。本文作者建立了一个免疫平台，称为3i项目(infection and immunity immunophenotyping)，用了530种基因敲除小鼠，用同笼饲养控制微生物和饮食，同样的周龄控制生理学变异，进行寄生虫、流感病毒、沙门氏菌、微生物移植、硫酸葡聚糖处理，检测了处理前后各种免疫及非免疫表型，然后分析得到这些基因对基础免疫水平和免疫调控的影响，数据放在了http://www.immunophenotype.org 。文章鉴定出140个影响免疫系统的基因，许多未曾被报道与免疫相关；研究了其中一些基因影响免疫的方式及其所在的通路；此外，本文揭示出一些免疫表型与其它生理指标间的调控关系。总之，这是个大型的项目，信息量很大，实验数据应该很可靠，而且开放，推荐对免疫研究感兴趣的小伙伴们学习。
供稿人：六六
题目：A systematic evaluation of single cell RNA-seq analysis pipelines链接: https://doi.org/10.1038/s41467-019-12266-7单细胞RNA-seq是单细胞领域较为成熟的技术，相关的实验方法和计算方法也不断被开发，面临着越来越多的方法和工具，如何选择合适的最佳流程呢？这篇文章从单细胞建库方法，比对、imputation、标准化和差异方法共评估约3000个组合流程。评价结果可以作为选择最佳分析流程的一个参考，不过所谓的最佳流程并不是以一概全指某个特定流程，而是要根据实际研究目的，选择合适的实验方法和分析方法。另外还可以参考前不久发表的单细胞RNA-seq最佳分析流程：Current best practices in single‐cell RNA‐seq analysis: a tutorial (https://doi.org/10.15252/msb.20188746)
供稿人：六六
题目：Visualizing structure and transitions in high-dimensional biological data链接: https://www.nature.com/articles/s41587-019-0336-3这篇文章提出常见的降维方法如PCA, t-SNE等方法存在对噪音敏感（PCA, Isomap)、扰乱数据结构(t-SNE)、没有为二维可视化优化（PCA & diffusion maps)，计算资源消耗大、依赖于先验知识等不足，他们提出了一种利用数据点之间的信息几何距离(information-geometric distance)同时捕捉局部和全局的非线性结构的可视化方法——PHATE(potential of heat diffusion for affinity-based transition embedding)。与其他常见的降维方法相比，该方法能够更好的保持数据中的一系列结构模式，包括连续的发展进程、分支结构、簇的结构（clusters）。此外，他们定义了一个叫DEMaP的度量，可以更好的去噪。他们在实际数据中验证了该方法的有效性，并且可用于质谱数据、单细胞数据、Hi-C数据、肠道微生物等多种数据类型。
你可能会需要：
广州专场（全年无休）GEO数据挖掘课，带你飞（1.11-1.12）