本文全方面收錄了研究腫瘤免疫中各個環(huán)節(jié)涉及到的熱點軟件工具和數(shù)據(jù)庫（見表1、表2），同時作為一篇綜述，深入淺出的講述了腫瘤免疫相關(guān)的技術(shù)發(fā)展現(xiàn)況、面臨的挑戰(zhàn)、現(xiàn)今研究重點、未來發(fā)展和對應(yīng)推薦軟件，既可幫助入門學(xué)習腫瘤免疫，也可用于深入腫瘤免疫相關(guān)研究。

近期癌癥免疫療法的重大突破，以及高通量技術(shù)費用降低，已經(jīng)點燃了使用基因工具研究腫瘤-免疫細胞的強烈愿望?，F(xiàn)已生成的數(shù)據(jù)以及新增的復(fù)雜度帶來了不小挑戰(zhàn)，它們需要使用計算工具來進行處理、分析以及將數(shù)據(jù)可視化。最近，已經(jīng)開發(fā)了許多軟件進行腫瘤免疫和基因數(shù)據(jù)的挖掘，并從機制方面提供了新的視角。文中作者回顧了用于癌癥免疫學(xué)的計算基因組工具，并提供了相關(guān)預(yù)設(shè)信息功能需求，以幫助大家選擇工具并組裝分析流程。

在下一代測序技術(shù)（NGS）的幫助下，現(xiàn)在已經(jīng)可以實現(xiàn)癌癥基因單個堿基改變確定與探查（如國際癌癥基因組聯(lián)合，ICGC，和癌癥基因圖譜，TCGA）。在這些技術(shù)進步的驅(qū)使下，許多研究中心目前都實施了精準腫瘤學(xué)項目，主要目的是使用基因方法來推薦癌癥療法。然而71種美國FDA許可的抗癌藥物，幫助增加無進展和總生存率時間，分別僅約2.5和2.1個月。更重要的是，許多癌癥突變并不能被現(xiàn)有靶標藥劑所治療，因而限制了精準腫瘤學(xué)更廣闊的應(yīng)用。

與其它系統(tǒng)性療法相反的是，癌癥免疫療法有自適應(yīng)腫瘤改變的潛力，這是因為機體可以生成特異T細胞殺死那些已進化和表面抗原發(fā)生改變的腫瘤克隆。然而，腫瘤細胞可以通過上調(diào)免疫細胞表面的免疫檢查點分子，也就是免疫“剎車”，來逃脫免疫系統(tǒng)監(jiān)測，如細胞毒性T淋巴細胞相關(guān)蛋白4（CTLA4），或者程序性細胞死亡1（PD1，也叫PDCD1）。最近，有抗體可以封閉免疫檢查點，因而增強了T細胞抗癌反應(yīng)，表現(xiàn)出了不起的臨床效果。然而，只有部分患者能對單方檢查點阻滯劑療法有效，而確定這一精確行為模式和預(yù)示性標記物，是目前集中研究的主題。

隨著檢查點阻滯劑免疫療法的開發(fā)，以及其它免疫療法策略，包括治療性疫苗和設(shè)計T細胞（專欄 1），腫瘤-免疫細胞互作成為了關(guān)注的焦點。然而，調(diào)查癌癥-免疫細胞互作有不小的挑戰(zhàn)，因為這兩種多細胞生態(tài)系統(tǒng)處于不停的進化中，并有基因異質(zhì)性：癌癥的進展，可以被視為進化過程；免疫系統(tǒng)，有先天性和獲得性免疫細胞亞群，其中的一些能顯示表型可塑性并有記憶性。

在這篇綜述中，作者首先簡短回顧了腫瘤-免疫細胞互作，然后討論了挖掘癌癥基因組數(shù)據(jù)和提取免疫學(xué)參數(shù)的計算基因組工具。作者主要關(guān)注了NGS數(shù)據(jù)的高層次分析，包括腫瘤浸潤淋巴細胞（tumour-infiltrating lymphocytes, TILs）定量，腫瘤抗原確定和T細胞受體（TCRs）譜圖繪制，并提供了其相關(guān)要求和功能以用于幫助選擇工作和組裝分析流程。

專欄1 癌癥免疫療法和精準腫瘤學(xué)

1. 腫瘤免疫細胞相互作用
腫瘤免疫細胞相互作用可以被概念化為一系列稱為癌癥免疫周期的事件（圖 1a）。第一步是產(chǎn)生新抗原：即由體細胞突變產(chǎn)生的多肽。新抗原通過高度多樣的主要組織相容性復(fù)合體（MHC）等位基因——在人類中被稱為人類白細胞抗原（HLA）——呈遞于抗原呈遞細胞（APC）的表面。癌細胞死亡后釋放新抗原引發(fā)分子異質(zhì)T細胞的擴增。這些T細胞通過與新抗原-MHC復(fù)合物的相互作用，通過不同的TCR識別癌細胞。

圖1 腫瘤免疫一覽

癌癥免疫循環(huán)和腫瘤內(nèi)免疫結(jié)構(gòu)。a | 癌癥免疫循環(huán)包括幾個連貫步驟：癌癥細胞生成的新抗原在癌癥細胞死亡后釋放，并由樹突狀細胞捕獲。下一步，樹突狀細胞在主要組織相容性復(fù)合體（MHC）分子上遞呈捕獲的抗原給T細胞，導(dǎo)致誘發(fā)激活效應(yīng)T細胞反應(yīng)抗癌癥特定抗原。在趨化因子梯度濃度引導(dǎo)下，激活的T細胞遷移并浸潤腫瘤位點。T細胞通過T細胞受體（TCR）和新抗原-MHC復(fù)合體互作，特異識別并結(jié)合癌癥細胞，并殺死癌癥細胞（溶細胞活動）。多種分子和基因組工具可以評估上述癌癥免疫細胞互作的每一個步驟，以及刺激和抑制因素。b | 腫瘤常常被獲得性免疫系統(tǒng)細胞浸潤，包括B細胞、細胞毒性T淋巴細胞（CTLs）、記憶T細胞、輔助T細胞和調(diào)控T細胞（Treg）。另外，腫瘤也會被先天免疫系統(tǒng)細胞浸潤，包括巨噬細胞、樹突狀細胞、肥大細胞、自然殺傷細胞和髓系抑制細胞（MDSCs）。

腫瘤內(nèi)免疫浸潤的特征在于由先天和獲得性免疫不同細胞亞群構(gòu)成的巨大細胞異質(zhì)性（圖 1b），其分布在腫瘤類型之間和之內(nèi)變化多樣。這些分子和細胞異質(zhì)性構(gòu)建了一個復(fù)雜的腫瘤免疫細胞相互作用網(wǎng)絡(luò)。很明顯，腫瘤免疫細胞相互作用的綜合分子表征需要基因組學(xué)工具。

2.組學(xué)數(shù)據(jù)分析

NGS技術(shù)在基因組、轉(zhuǎn)錄組或表觀基因組譜分析中的應(yīng)用組成了癌癥免疫基因組學(xué)的數(shù)據(jù)主要來源。此外，最近在成像技術(shù)以及細胞表型分型技術(shù)方面進展，能夠生成與基因組類型互補的數(shù)據(jù)類型（專欄 2）。

專欄2 成像技術(shù)和細胞表型

圖2 基因組和免疫基因組分析的計算工具

a | 表格行為不同類型組學(xué)數(shù)據(jù)，列為基因組和免疫基因組的計算工具應(yīng)用數(shù)據(jù)情況。b | 免疫基因組分析和工具是基于對組學(xué)數(shù)據(jù)的基因組分析，可以分為HLA分型、TILs定量、T細胞受體確定和腫瘤新抗原預(yù)測。

在癌癥免疫學(xué)背景下的組學(xué)數(shù)據(jù)分析可以被看作是兩步過程（圖 2）。在對原始數(shù)據(jù)進行預(yù)處理之后，其中包括對數(shù)據(jù)質(zhì)量的評估和人為因素的去除，第一步是對組學(xué)數(shù)據(jù)的基因組分析，主要側(cè)重于腫瘤本身。該步驟工具用于包括鑒定SNP，小插入和缺失（indels），拷貝數(shù)變異（CNV），結(jié)構(gòu)變異和基因融合，以及突變注釋和解釋。基因組分析組中的另一套工具使用RNA-seq來分析基因表達，用WES和/或SNP陣列數(shù)據(jù)來估計腫瘤異質(zhì)性，或者分析DNA甲基化模式。第二種類型的分析使用免疫基因組工具，并更加關(guān)注腫瘤免疫細胞間相互作用。它們使用基因組分析和/或原始測序數(shù)據(jù)的輸出，作為輸入數(shù)據(jù)。這些免疫基因組分析的結(jié)果提供關(guān)于腫瘤微環(huán)境的兩個關(guān)鍵特征信息：浸潤免疫細胞的組成和功能取向，以及腫瘤抗原的來源和數(shù)量。在下面的段落中，作者將重點放在這兩個方面：確定腫瘤免疫浸潤的細胞組成，和腫瘤抗原的鑒定。此外，隨著幾種特異化T細胞反應(yīng)技術(shù)的出現(xiàn)，作者還討論了用于TCR譜分析的工具。

3.免疫浸潤的細胞表征

由于不同類型的TIL對腫瘤進展有不同的影響，腫瘤中免疫浸潤的細胞組成確定不僅提供了預(yù)后信息，而且還可以得出預(yù)測標記和新治療策略的發(fā)展。用于細胞分型的計算基因組工具可分為基因集富集分析（gene set enrichment analysis, GSEA）和去卷積方法（deconvolution）（圖 3a），都依賴于單個細胞群的表達譜矩陣。

圖3 使用基因組數(shù)據(jù)決定腫瘤浸潤的細胞組成

a | 免疫表型可以由不同實體（基因表達譜，DNA甲基化譜或免疫組化）來分型。b | 免疫相關(guān)基因特征由表達譜提出，用于區(qū)分免疫細胞類型、細胞狀態(tài)和擾動。 c | 大塊組織基因表達譜（m）是細胞特異基因表達特征（S）和不同細胞類型混合（f）卷積而成。

富集方法依賴于基于樣本間對比，或者是單樣本方法的基因組分析技術(shù)。GSEA評估排序的基因列表，用于已確定通路和細胞過程中的基因富集統(tǒng)計。在對比方法中，基因通過兩種生物狀態(tài)之間的差異表達來進行排序。另一種方法是，可以使用單樣品GSEA（ssGSEA）富集分數(shù)，該分數(shù)表示特定基因組中的基因，在單個樣品內(nèi)協(xié)調(diào)上調(diào)或下調(diào)的程度。GSEA可用于解釋從微陣列或RNA-seq獲得的基因表達數(shù)據(jù)。

GSEA的優(yōu)勢在于它可以使用現(xiàn)有工具輕松應(yīng)用，與傳統(tǒng)的基因表達分析相比沒有額外的樣本量要求。GSEA的必要要求是，與特定免疫亞群相關(guān)的基因特征組裝（圖 3b）。相關(guān)項目如人類免疫學(xué)項目用于免疫學(xué)特征基因集（ImmuneSigDB）的基因組被收錄于分子簽特征數(shù)據(jù)庫（MSigDB）中。

去卷積方法一是使用表達特征矩陣來從細胞混合物表達數(shù)據(jù)推斷特定細胞比例，二是用算法來解決“反演問題（inverse problem）”（圖 3c）。去卷積細胞比例，開始是使用全血基因表達數(shù)據(jù)，標準線性回歸的啟發(fā)式算法（heuristic algorithm），后續(xù)開發(fā)了一種用于異構(gòu)組織去卷積的R軟件包。這個名為DeconRNASeq的軟件包可以處理RNA-seq數(shù)據(jù)，但它僅在含有少數(shù)細胞類型的混合物上得到驗證。其它已經(jīng)開發(fā)了幾種方法使用了不同技術(shù)來解決病態(tài)（ill-conditioned）反演問題（表 1）。最近，有一種稱為CIBERSORT計算方法，可以用于從大塊腫瘤的微陣列數(shù)據(jù)推斷白細胞亞型。CIBERSORT使用22個白細胞亞群的特征表達矩陣，并應(yīng)用了線性支持向量回歸方法。

像基于基因表達譜的去卷積方法一樣，細胞譜系特異性DNA甲基化模式可用于檢測和量化白細胞亞群。盡管目前來自純化細胞類型的參考甲基化模式數(shù)據(jù)仍然有限，但這些方法非常有希望能用來確定來自腫瘤組織的TIL組成。

4.確定腫瘤抗原

高腫瘤特異性的抗原——即由腫瘤細胞表達但不由正常細胞表達——具有引發(fā)腫瘤特異性免疫應(yīng)答的潛力，因此癌癥免疫療法如工程改造T細胞和治療性疫苗非常熱門（專欄 1）。

圖4 確定癌癥新抗原

a | 新抗原來自癌癥細胞內(nèi)表達的突變蛋白。突變蛋白先被蛋白酶切成更短的多肽后再被抗原處理相關(guān)轉(zhuǎn)運體（TAP）運輸?shù)絻?nèi)質(zhì)網(wǎng)內(nèi)，在內(nèi)質(zhì)網(wǎng)內(nèi)多肽與MHC分子結(jié)合。之后多肽-MHC復(fù)合體來到細胞表面遞呈抗原并被CD8+T細胞TCR識別。b | 用NEG數(shù)據(jù)預(yù)測新抗原需要整合幾個計算任務(wù)：WES，WGS和RNAseq預(yù)測突變肽；綜合RNAseq數(shù)據(jù)選擇表達多肽；WES，WGS或RNAseq數(shù)據(jù)計算HLA分型；預(yù)測特定HLA等位基因的多肽-MHC結(jié)合。

引發(fā)免疫應(yīng)答，必須將突變的蛋白質(zhì)蛋白水解加工成短肽，然后與MHC分子結(jié)合，呈遞給T細胞（圖 4）。當從匹配的腫瘤和正常樣品獲得NGS數(shù)據(jù)時，可以通過整合三個計算任務(wù)（圖 4）來預(yù)測新抗原：匹配腫瘤正常樣品的突變蛋白的鑒定，HLA分型，然后預(yù)測新抗原-MHC結(jié)合親和力。

確定突變蛋白。在變異檢測工具中，基因組分析工具包（GATK）是文檔描述程度最好和最成熟的流程之一，并且適用于WES，WGS和RNA-seq數(shù)據(jù)。另一種工具MuTect通過利用貝葉斯分類器確定高準確度和高靈敏度的SNPs，即使在低等位基因頻率變異的情況下也能保證高特異性。最后，EBCall使用先前有關(guān)從一組非正態(tài)樣本中獲得的測序錯誤知識來更好地區(qū)分真正的變異和測序錯誤。為了預(yù)測基因變體對受影響的蛋白功能影響，注釋工具依賴于公眾可獲得的基因，轉(zhuǎn)錄本和蛋白質(zhì)序列庫，例如Ensembl，RefSeq和Uniprot。由于相同的變體可能對不同的轉(zhuǎn)錄本產(chǎn)生不同的功能影響，因此使用不同的數(shù)據(jù)庫和優(yōu)化異構(gòu)體的策略會產(chǎn)生很大不同的結(jié)果。

HLA分型。國際免疫遺傳學(xué)項目HLA（IMGT / HLA）數(shù)據(jù)庫是一個經(jīng)過策劃的并且持續(xù)更新的基因組和編碼DNA序列集合，目前包含超過13,000個注釋的HLA等位基因（3.22版，2015-10）。HLA等位基因的標準命名法使用基因名稱（例如HLA-A，HLA-B或HLA-C），隨后是星號（*）和四組數(shù)字，通過分號分隔（例如HLA- A*02:01:01:05）。第一組數(shù)字定義具有相似血清學(xué)特異性的HLA等位基因組。第二組和第三組數(shù)字分別在DNA水平上識別非同義或同義替換。最后，內(nèi)含子或3'/ 5'非翻譯區(qū)域的差異被編碼在第四組數(shù)字中。

自從用NGS數(shù)據(jù)進行HLA分型的第一個工具發(fā)布以來，HLAminer和Seq2HLA等幾種方法已經(jīng)被開發(fā)出來（表 1），它們在準確性和分辨率方面都改進了HLA分型性能。最新版本的方法針對四位數(shù)分辨率進行了優(yōu)化，并考慮了不同類型的NGS數(shù)據(jù)（表 1）。在可用的方法中，最近開發(fā)的Polysolver和Optitype在4位數(shù)分辨率HLA分型顯示出高準確性。Polysolver的高靈敏度也有助于鑒定HLA基因中的體細胞突變，在不同的癌癥中表現(xiàn)為幾個百分點的范圍內(nèi)。

預(yù)測新抗原-MHC綁定親和力。直接參與腫瘤排斥的MHC分子屬于I類（MHC-I）并存在于所有有核細胞上。與I類MHC分子結(jié)合的病毒或腫瘤抗原呈遞給CD8 + T淋巴細胞，其可以因此識別并殺死感染的細胞或腫瘤細胞。II類MHC分子（MHC-II）僅在特定細胞類型如樹突細胞，B淋巴細胞和巨噬細胞上表達。MHC-II結(jié)合抗原呈遞給CD4 + T細胞并參與輔助T細胞的活化。II類MHC分子與癌癥免疫治療最近由數(shù)據(jù)強調(diào)了其相關(guān)性，這些數(shù)據(jù)表明免疫原性突變可以被CD4 + T細胞識別。MHC-I分子結(jié)合的多肽是具有8-11個狹窄長度的氨基酸，而MHC-II分子可以容納更長的肽，最多30個氨基酸。由與MHC-I分子結(jié)合的特定肽組成的復(fù)合物被稱為pMHC-1，并且與肽與MHC-II分子結(jié)合的復(fù)合物被稱為pMHC-II。pMHC-II的結(jié)合親和力受肽核心和肽側(cè)翼殘基的影響。這種混雜的結(jié)合機制和訓(xùn)練數(shù)據(jù)的局限使得pMHC-II結(jié)合親和力預(yù)測的任務(wù)比pMHC-I更具挑戰(zhàn)性，并且用于pMHC-II結(jié)合預(yù)測的算法不如pMHC-I方法準確。

現(xiàn)在有幾種計算方法可用于預(yù)測pMHC結(jié)合親和力，其可以分為兩大類：考慮蛋白質(zhì)3D結(jié)構(gòu)的基于結(jié)構(gòu)的方法，和考慮蛋白質(zhì)抗原的一級序列的基于序列的方法。由于pMHC復(fù)合物的3D結(jié)構(gòu)數(shù)量有限，在這里，作者關(guān)注基于序列的方法。早期基于序列的方法，如BIMAS和SYFPEITHI，依賴于位置特異性評分矩陣（PSSMs），這些矩陣是從經(jīng)實驗證實多肽綁定特定MHC等位基因結(jié)合物中定義的。為了模擬綁定過程的非線性本質(zhì)，已經(jīng)開發(fā)了更多基于機器學(xué)習技術(shù)的高級方法（表 1）。非線性方法表現(xiàn)出比基于PSSM的算法更好的性能，這是由于它們能捕獲結(jié)合過程的復(fù)雜性和蛋白質(zhì)殘基之間的相互依賴性的能力。使用共識方法（consensus method）也獲得了更高的性能，如NetMHCcons和CONSENSUS，它們結(jié)合了多種工具以獲得更可靠的預(yù)測。

如果沒有大量有關(guān)MHC等位基因和配體的信息，通過基于網(wǎng)頁的數(shù)據(jù)庫，如免疫表位數(shù)據(jù)庫和分析資源（IEDB）、IMGT/HLA和Dana-Farber免疫學(xué)機器學(xué)習庫（DFRFMLI），將這些信息手收集并公開可獲取，上述方法的開發(fā)和驗證就不可能實現(xiàn)（表 2）。然而，由于絕大多數(shù)HLA等位基因尚未就肽結(jié)合進行研究，所以現(xiàn)在方法開發(fā)已經(jīng)越過等位基因特異性方法，而不需要特定有問題的等位基因?qū)?yīng)肽段信息。這些所謂的泛特異性方法，如NetMHCpan，可以預(yù)測已知蛋白序列肽段與任何MHC分子的結(jié)合。簡而言之，訓(xùn)練神經(jīng)網(wǎng)絡(luò)以輸出給定pMHC對的親和力，所述pMHC對具有MHC偽序列，這個偽序列是由HLA殘基與其他綁定肽聯(lián)系構(gòu)建的，而這就是已知功能的HLA-A，HLA-B或HLA-C等位基因的多態(tài)性。泛特定工具（如NetMHCpan和NetMHCIIpan）得分位于最佳表現(xiàn)者中，甚至與等位基因特異性方法相比也是如此。

盡管pMHC結(jié)合是抗原呈遞過程中最具選擇性的事件，但抗原加工的前述步驟在MHC-I途徑中也有作用：蛋白酶體切割，其是將大蛋白轉(zhuǎn)化成較小肽所需的；并通過與抗原加工相關(guān)的轉(zhuǎn)運蛋白（transporter associated with antigen processing, TAP）將肽轉(zhuǎn)運到內(nèi)質(zhì)網(wǎng)中，這是將肽結(jié)合到MHC-1分子所必需的。此外，pMHC復(fù)合物的穩(wěn)定性和識別pMHC復(fù)合物的CD8 + T細胞傾向（T cell propensity）是決定突變肽的免疫原性的另一因素。目前，只有一種工具可用于預(yù)測結(jié)合穩(wěn)定性：NetMHCstab。用于預(yù)測蛋白酶體切割（例如，netChop Cterm和Pcleavage），TAP轉(zhuǎn)運（例如PredTAP和SVMTAP）和T細胞傾向（例如POPI和POPISK）都可以使用，但預(yù)測值相當有限。盡管有其局限性，但這些方法可以整合到抗原預(yù)測流程中以減少假陽性，從而將表位驗證所需的實驗工作量降到最低。NetTepi是一個很好的方法集成實例，NetTepi是預(yù)測T細胞表位的計算流程，它結(jié)合了結(jié)合親和力，結(jié)合穩(wěn)定性并使用引文90中描述的預(yù)測T細胞傾向的延伸免疫原性模型（該模型的應(yīng)用包含在IEDB網(wǎng)站上）。

5.TCR譜（profiling）

TCR必須能夠針對豐富的不同抗原產(chǎn)生免疫應(yīng)答。巨大的受體庫多樣性是一個稱為V(D)J重組過程的結(jié)果，該過程由屬于變量（V），多樣性（D）和連接（J）基因組基因座的不同基因片段的體細胞重排組成。通過在連接位點添加或去除隨機核苷酸并通過組合不同的α-鏈和β-鏈，組合多樣性進一步增加。表1中報道的所有TCR分析工具可用于來自TCR基因座的靶向譜庫（repertoire）測序（Rep-seq）的數(shù)據(jù)，并且在某些情況下也可用于B細胞受體基因座。最新版本的MiXCR直接支持從全轉(zhuǎn)錄組RNA-seq數(shù)據(jù)集中提取免疫譜。最近，基于MiTCR的計算策略被用于使用來自TCGA的RNAseq數(shù)據(jù)來表征TCR庫。

表1 癌癥免疫學(xué)計算工具

表2 癌癥免疫學(xué)數(shù)據(jù)庫和網(wǎng)頁服務(wù)器

6.組裝分析流程
癌癥免疫基因組計算方法和數(shù)據(jù)庫，為解析腫瘤免疫細胞相互作用提供了工具基礎(chǔ)。然而，盡管有幾種生物信息學(xué)工具可用，缺乏標準化會阻礙分析流程的簡易組裝。

直到最近才有報道綜合幾個分析步驟的新抗原預(yù)測計算解決方案（表1）。除NetTepi外，目前還有其他解決方案，如：NetCTLpan，這是一種預(yù)測蛋白酶體切割，TAP轉(zhuǎn)運和pMHC結(jié)合的泛特異性方法；EpiToolkit，這是一個網(wǎng)頁平臺，用于靈活整合預(yù)先選定用于表位預(yù)測和優(yōu)先級的計算模塊；FRED 2，它是用于HLA分型，表位預(yù)測和選擇的網(wǎng)絡(luò)資源，其還允許設(shè)計個性定制流程原型；還有pVAC-Seq，它是考慮到突變覆蓋率，變異等位基因頻率和突變基因表達的新抗原鑒定流程。

靶向T細胞以增強免疫反應(yīng)的癌癥免疫療法已經(jīng)在黑色素瘤上有了比較好的臨床效果，并在各種癌癥中表現(xiàn)出有效性。靶標檢查點分子的幾種藥物正在進入臨床階段，癌癥免疫療法可能會成為主要的癌癥治療方案。因而，鑒別出可能受益于免疫治療的患者變得非常重要，它主要依賴我們利用現(xiàn)有和新穎計算工具深入挖掘基因組數(shù)據(jù)的能力。

此文雖然發(fā)表于2016年，但由于（1）作者對腫瘤免疫有深入研究，對現(xiàn)在研究趨勢判定準確；（2）文中篩選收錄的軟件數(shù)據(jù)庫十分實用，在全面覆蓋腫瘤免疫各個環(huán)節(jié)的同時，也經(jīng)得起時間驗證，當下仍多為熱門工具，以上使此文值得一讀。

建議：對腫瘤免疫入門者來說可通讀全文，可對腫瘤免疫研究現(xiàn)況和發(fā)展有基礎(chǔ)了解；腫瘤免疫研究者則可以直接從收錄的工具入手，尋找自己需要的軟件數(shù)據(jù)開展自己的研究。

參考文獻：

[1] Hackl H, Charoentong P, Finotello F, et al. Computational genomics tools for dissecting tumour–immune cell interactions[J]. Nature Reviews Genetics, 2016, 17(8): 441.