文章标题：《Comprehensive single-cell transcriptomic and proteomic analysis reveals NK cell exhaustion and unique tumor cell evolutionary trajectory in non-keratinizing nasopharyngeal carcinoma》

上面的案例里面的背景基因不到1万个，而差异基因是555个，有20倍的差距，理论上每个通路都是100左右数量级的基因理论上它们每个通路应该是就有5个左右的基因在差异基因列表里面。但是上面的通路的富集分析结果表格里面可以看到，绝大部分通路都是有十几个甚至二十多个基因在我们的差异基因列表里面，所以上面的通路都是被富集了。

tcga数据库的部分病人有转录组测序信息同时也有对应的somatic突变信息，只需要结合两者理论上是可以完成任意癌症的任意基因突变与否分组后的转录组测序的差异分析。

昨天我们介绍了2023年5月某院士团队发表在顶刊的文章：《Epithelial cells activate fibroblasts to promote esophageal cancer development》。详见：肿瘤相关成纤维单细胞亚群的iCAF和myCAF迷思，该研究的取样涵盖了 NOR（正常食管上皮）、LGIN（低级上皮内病变）和HGIN（高级上皮内病变） ，而且很清晰的看到了这个成纤维细胞和巨噬细胞（属于髓系免疫细胞）都是比例下降的：

如果是经典的生物学名字那么不同的单细胞转录组研究很难会出现冲突，因为差不多是形成了共识。但是这个共识在第三层次的分群就会出现冲突，比如T细胞可以按照功能进行划分，naive, memory ，effector，cytotoxic，Exhaustion：

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分，包括淋巴系（T,B,NK细胞）和髓系（单核，树突，巨噬，粒细胞）的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分，并且编造生物学故事的。

但是实际上甲基化芯片才是最高频的产品，在人类研究领域主要是27k, 450k, 850k 以及最新的925k，而成熟的芯片早就有一系列公共资源在Bioconductor网页里面。

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。上面的文章也是如此的分群，除去了恶性癌细胞后的肿瘤微环境的组成是 ：

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。上面的文章也是如此的分群，除去了恶性癌细胞后的肿瘤微环境的组成是 ：

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。上面的文章也是如此的分群，除去了恶性癌细胞后的肿瘤微环境的组成是 ：

其中里面的普通转录组数据集链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE243245

所以研究者就针对有斑点蛋和正常蛋的whole-genome bisulfite sequencing (WGBS) and RNA-seq 数据，然后发现几乎没有差异，并且完全没有交集。。。

生物信息学领域有许多在线工具和资源，这些工具提供了各种分析和可视化功能，无需用户进行大量的本地安装和配置。而且绝大部分都是大机构开发和维护，知名度比较好的大机构包括：

我这里就不摘抄代码给大家了，官方文档很详细，https://satijalab.org/seurat/articles/pbmc3k_tutorial.html ，内容很简单而且步骤很清晰：

其中网页工具和云平台都不是针对专门的生物信息学工程师设计的，因为并不需要使用者会编程语言，所以使用起来非常简单。下面来一一介绍一下它们：

我简单看了看页面（https://bis.zju.edu.cn/binfo/textbook/）上面的对应的各个章节的ppt路径，很清晰：

其中第一层次降维聚类分群是：clustering and cell type identification was based on scRNA-seq of 212,404 cells from primary mononuclear bone marrow samples of RRMM patients (n = 20) as shown by an UMAP embedding colored by sample without batch-effect correction.

文章是利用10X Genomics 平台对60例食管癌组织和4例癌旁正常组织标本进行了scRNA-seq分析，在上面的GSE160269页面可以看到详情，而且作者预先分选了免疫细胞和非免疫细胞，两个部分的样品去做单细胞，第一层次降维聚类分群如下所示：

时空组学的最新技术发展使研究人员能够在单细胞水平上检测细胞的基因表达及其空间位置，从而对生物过程产生详细的生物学见解。综合数据库可以促进时空组数据的共享并简化研究人员的数据获取过程。

其中第一层次降维聚类分群后给出来了合理的生物学命名，详见：肿瘤单细胞转录组的第一层次降维聚类分群， 整体来说这个复现的代码在百度云分享给大家：链接：https://pan.baidu.com/s/1niFqyAiUU3yXK1W26b8RvQ?pwd=nbmj