一、EcoTyper框架：
1、计算机纯化：此步骤能够从大块组织转录组中预测细胞类型特异性基因表达谱。
Inpute:预测、插补，由已知基因型预测未知基因型并对缺失的数据进行补缺。
实现imputation的常用软件：
1. IMPUTE
2. Mach 1.0, Markov Chain Haplotyping
它由以下部分组成：计算机纯化概述、特征基质设计、细胞类型分数估计和表达纯化。
值得注意的是，如果已经有细胞类型特异性表达谱，无论是来自scRNA-seq、批量分选的转录组还是其他来源，都可以跳过此步骤。
EcoTyper的第一步是从体组织转录组中预测细胞类型特异性基因表达谱，默认情况下，EcoTyper使用CIBERSORTx。
作为输入，CIBERSORTx需要一系列优化的表达谱来区分每种感兴趣的细胞类型，通常称为标志矩阵“signature matrix”。signature matrix可以来源于单细胞或批量分选的转录组(bulk-sorted transcriptomes)，并且应设计为涵盖特定组织类型内的主要谱系。
一旦生成并验证了signature matrix，则将CIBERSORTx应用于均匀处理的批量组织转录组数据集（ a dataset of uniformly processed bulk tissue transcriptomes），以枚举signature matrix中每种细胞类型的频率。然后，这些估计值用于估算每个输入样本的细胞类型特异性基因表达谱。只有具有足够信号的基因才能归因每种细胞类型，从而最大限度地减少虚假表达估计对下游结果的影响。
以下公式和目标总结了EcoTyper使用的关键CIBERSORTx步骤：
标志矩阵（signature matrix）的构建：
为了对人类癌症中的 12 种主要细胞类型进行反卷积，于是采用分层策略连续应用了两个标志矩阵，每个特征矩阵都曾在实体瘤中验证过。
首先，使用 TR4 对上皮肿瘤中的主要细胞区室进行去卷积，TR4 是一种由上皮 （EPCAM）、内皮 （CD31）、成纤维细胞 （CD10） 和体免疫细胞 （CD45） 群体组成的特征矩阵，这些细胞是从 NSCLC 患者新鲜切除的手术肿瘤样本中分选出来的。
为了解析白细胞表型，他们采用了LM22，这是一种经过广泛验证的特征矩阵，由22个功能定义的人类造血细胞亚群组成。根据映射方案将LM22亚群聚合为B细胞，浆细胞，CD8 T细胞，CD4 T细胞，自然杀伤（NK）细胞，单核细胞/巨噬细胞，树突状细胞，肥大细胞和中性粒细胞。由于嗜酸性粒细胞在很大程度上检测不到，因此将其排除在进一步分析之外。
2、细胞状态发现：此步骤能够鉴定和定量细胞类型特异性转录状态。
它由以下部分组成：细胞状态发现、排名选择和细胞状态质量控制。
3、生态型发现：此步骤可以将细胞状态共同分配到多细胞群落（生态型）中。
4、细胞状态和生态型恢复：此步骤支持恢复外部表达数据集中的细胞状态和生态型。