今天给大家介绍一个实用的单细胞数据库，是今年8月份发表在《Cancer Immunology Research》上的文章中介绍的，“Single-Cell Analysis of the Pan-Cancer Immune Microenvironment and scTIME Portal”，单细胞测序开启了肿瘤免疫微环境(TIME)研究的新时代。然而，在单细胞、泛癌症分析中，解决具体身份和肿瘤免疫微环境的多样性问题是缺乏的。研究人员首先构建了一个具有细化亚细胞类型的泛癌单细胞参考TIMEs，并识别了新的细胞类型特异性转录因子。然后，研究人员展示了TIME的共同特征的泛癌视图，并在丰度、细胞状态和细胞通讯方面比较了患者和肿瘤类型中每种免疫细胞类型的变化。研究人员发现，功能失调T细胞的丰度和细胞状态变化最大，而调节性T细胞则相对稳定。肿瘤相关巨噬细胞(TAM)， PLTP+C1QC+ TAM，可能通过细胞因子/趋化因子信号调节功能失调T细胞的丰度。TIMEs的配体受体通讯网络是具有肿瘤特异性的，并以肿瘤富集的免疫细胞为主。

此外，研究人员还开发了带有特定于scTIME的分析模块和统一的细胞注释的单细胞肿瘤免疫微环境(scTIME)。除了使用精炼过的细胞类型进行免疫细胞区分和相关分析外，该网站还提供细胞与细胞相互作用和细胞类型特异性基因标签分析。研究人员的单细胞泛癌分析和scTIME门户网站将提供更多可深入了解TIMEs的特征，以及免疫治疗背后的分子和细胞机制。

scTIME不仅整合了泛癌的免疫单细胞数据资源，而且提供一系列的单细胞分析模块，包括免疫细胞组成、免疫细胞类型的关联性分析、免疫细胞类型特异的signature分析、细胞-细胞通讯等，方便实验研究人员和临床医生探索肿瘤免疫微环境的特征 。接下来让小编一起带着大家使用一下这个网站。

网址：http://sctime.sklehabc.com/unicellular/home

网站首页

数据类型

scTIME包含了49个数据集，涉及人与老鼠两种物种，囊括了39种癌症，每一个数据集会提供相应的GEO编号、单细胞测序技术、物种信息、癌症类型、细胞数目以及其相应的参考文献，我们可以根据上述信息筛选需要的数据。

2.数据分析

搜索乳腺癌产生的页面

以乳腺癌为例，我们可以看到经常用到的GSE75688的乳腺癌单细胞数据集，产生的结果页面包含三大块信息：Results(结果呈现）, Metainfo（细胞注释信息）,Process（方法相关细节与参数）

点击GSE75688数据集，Results界面

Metainfo界面，包含了单细胞数据的细胞注释信息

Process界面，包含了处理数据的方式（R语言seurat包等）以及数据的参数处理设置

3.数据结果展示

接下来回到Result界面，我们可以看到关于乳腺癌单细胞数据的UMAP降维聚类结果，UMAP是一种非常有效的可视化和可伸缩降维算法。在可视化质量方面，UMAP算法与t-SNE具有竞争优势，但是它保留了更多全局结构、具有优越的运行性能、更好的可扩展性。这部分的分析结合了细胞类型聚类与细胞亚型注释两部分（细胞亚型的注释基于的是该数据库研究构建的泛癌-免疫细胞单细胞参考图谱，利于在不同癌症类型或数据集间进行比较分析），而且在这里可以自主筛选你想要的细胞类型或者基因进行展示（如：细胞类型UMAP+样本UMAP来判断细胞类型的识别是否存在样本偏性）。

接下来的cell Type Composition主要显示了每个免疫细胞类型的细胞数量以及细胞比例。我们可以通过这个分析研究哪些细胞类型的丰度具体影响了肿瘤的表型。

计算不同细胞类型之间的细胞比例相关性，可以分析哪些细胞类型在患者中倾向于共出现或者互斥，探究免疫细胞类型在肿瘤微环境中的交叉调节。在参数设置上我们可以选择自己想做的相关性分析算法，以及纳入计算的细胞数量。

免疫细胞类型的转录异质性也是肿瘤免疫微环境的一个研究热点，这里我们可以选择我们想要研究的通路在不同免疫细胞中的表达情况。

假如在上面的研究后我们发现两种细胞类型的丰度是具有相关性的，如果我们想进一步的研究它们是通过调控那种基因来进行的，可以通过这个模块选择。

接下来是Result中的最后一个分析模块，配体受体互作网络(LR Network)，可以自定义配体-受体互作强度阈值、显著性、分析的细胞类型等，探究哪些细胞类型处于免疫细胞网络的关键位置，哪对细胞类型间频繁进行细胞通讯等问题。还可以通过下图的气泡图进行可视化研究。