零实验冲1区Top的满分模版!GEO单细胞+TCGA bulk+空间转录组,全公共数据分析拆解乳腺癌多组学图谱!

乳腺癌是全球女性发病率和死亡率最高的恶性肿瘤，肿瘤微环境（TME）异质性是导致治疗耐药和转移的核心原因，但低级别肿瘤的免疫逃逸机制认识不足。近年来单细胞和空间转录组技术的发展，为系统解析 TME 提供了可能，但目前仍缺乏跨肿瘤分级的全面时空图谱。

这篇文章的核心思路我们完全可以模仿。首先数据全是公开的——GEO单细胞+空间转录组+TCGA bulk验证，零自产测序。

分析分四步：①scRNA-seq聚类15个大群，基质/髓系/淋巴细胞分别亚群再分群；②空间转录组用CARD验证各亚群定位；③锁定三个低级别富集亚群（CXCR4+成纤维、IGKC+髓系、CLU+内皮），用NicheNet/CellChat解通讯、TIDE预测免疫治疗响应；④TCGA bulk用BisqueRNA反卷积验证预后。

全套工具全是免费R包和在线平台，换个癌种、换套公开数据就能复用，适合想做多组学整合又不想花钱测序的朋友～

研究整合 59 例 scRNA-seq 数据进行无监督聚类，对基质、免疫细胞二次分群并做功能富集。

左右滑动

鉴定出 15 个主要细胞群，同时发现F3_CXCR4⁺成纤维细胞、M1_IGKC⁺髓系细胞、E4_CLU⁺内皮细胞特异性富集于低级别肿瘤。

这表明，乳腺癌 TME 存在高度异质性，低级别肿瘤拥有独特的基质 - 免疫微环境。

随后，研究又用 9 例空间转录组数据结合 CARD 去卷积，通过 CellChat 构建配体 - 受体互作网络。

上下滑动

结果发现，肿瘤与免疫细胞形成明显空间分区，高级别肿瘤信号网络更复杂，MDK 和 Galectin 信号通路显著激活。

这表明，细胞空间分布和通讯重编程共同驱动肿瘤进展与免疫逃逸。

最后，研究用 TIDE 算法预测免疫治疗响应，基于单细胞参考对 TCGA-BRCA 进行去卷积并构建复合评分。

结果发现低级别富集亚型虽与良好预后相关，但显著关联免疫检查点抑制剂耐药，复合评分可同时预测预后和治疗响应。

这直接表明了该评分可作为乳腺癌精准分层的新型生物标志物。

这篇文章为“多组学整合的肿瘤微环境图谱”提供了可复用的高端模板，可带来以下启发：

一、“单细胞+空间+bulk反卷积”三组学整合范式：

scRNA-seq做细胞亚群发现和功能注释，空间转录组验证空间定位，TCGA bulk RNA-seq用BisqueRNA反卷积验证临床预后——三组学环环相扣，全部数据来自GEO和TCGA公开数据库，零实验成本即可构建完整的多组学证据链，可迁移至任何有公开数据的癌种。

二、TIDE免疫治疗预测为文章增加转化医学维度：

研究发现低级别富集亚群虽与良好预后相关，但TIDE预测却显示与免疫治疗不响应相关，这种“好预后但耐药”的反差叙事极具创新性。

任何做肿瘤微环境亚群分析的研究，只需在最后加一个TIDE预测，就能为文章增加“免疫治疗生物标志物”的转化医学卖点。

三、NicheNet+CellChat双工具解析细胞通讯：

研究先用NicheNet预测低级别富集亚群的配体-受体信号，再用CellChat量化整体通讯网络，发现高级别肿瘤中MDK和Galectin信号增强。

这种“靶向亚群通讯预测+全局通讯网络比较”的双层次分析策略，可在任何单细胞研究中提升机制深度和图表丰富度。