Python下的文献复现

本文复现的文献是发表在《Nature Communications》的《Single cell analysis in head and neck cancer reveals potential immune evasion mechanisms during early metastasis》（单细胞分析揭示头颈癌早期转移过程中潜在的免疫逃避机制），DOI：https://doi.org/10.1038/s41467-023-37379-y

本文研究了头颈鳞状细胞癌（HNSCC）的早期淋巴结转移过程中的潜在免疫逃逸机制。通过单细胞RNA测序（scRNAseq）和单细胞T细胞受体测序（scTCRseq），作者分析了肿瘤细胞和CD8+ T细胞在转移过程中不同状态的进化轨迹。研究目标是鉴定具有转移潜能的肿瘤细胞亚群以及关键的可治疗的脆弱点，同时探讨肿瘤相关T细胞的功能衰竭机制及其免疫调节途径。主要发现包括：

(1)鉴定出一个具有前转移特性的肿瘤细胞亚群，其依赖于AXL和AURK信号通路，抑制这些通路可以显著降低肿瘤侵袭能力；

(2)通过分析CD8+ T细胞轨迹，发现功能衰竭是由SOX4调控的，并通过外部数据验证了这一机制；

(3)进一步研究表明，中枢信号途径，如Midkine（MDK），在肿瘤和免疫细胞之间的交互中发挥重要的免疫抑制作用。

原文集锦：

复现图片集锦：

优惠订阅资料或参与课程请联系[Biomamba_zhushou]

所见即所得

以html格式提供学习手册，可在浏览器中打开并翻阅学习：‍

教程目录：

零、欢迎关注

一、文献解读

1.1 背景介绍

1.2 主要内容

1.3 总结讨论

二、数据下载

三、数据整理

四、细胞注释

4.1 降维图

4.2 小提琴图

五、降维展示

六、细胞比例统计

6.1 整体统计

6.2 免疫细胞

6.3 非免疫细胞

七、上皮细胞肿瘤细胞鉴定

7.1 数据准备

7.2 参数详解

7.3 运行infercnvpy

7.4 计算每个细胞的cnv分数

7.5 可视化

7.6 通过CNV谱进行聚类并识别肿瘤细胞

7.6.1 cnv聚类分群

7.6.2 cnv展示UMAP

7.6.3 scanpy展示cnv结果

7.6.4 肿瘤细胞分类

7.6.5 单独绘制肿瘤细胞

八、上皮细胞轨迹分析

8.1 降维分群

8.2 预处理

8.3 可视化

8.4 运行Palantir

8.4.1 获取细胞坐标

8.4.2 定义分化起点和终点

8.4.3 拟时间推断

九、上皮细胞EMT评分

十、CD8T轨迹分析

10.1 T细胞注释

10.2 CD8 T细胞注释

10.3 预处理

10.4 可视化

10.5 运行Palantir

10.5.1 获取细胞坐标

10.5.2 定义分化起点和终点

10.5.3 拟时间推断

十一、上皮细胞互作分析
11.1 数据预处理

11.2 互作对预测

11.3 结果解读

11.4 探索cellphonedb结果

11.5 可视化

十二、软件版本

十三、单细胞教程全收录

十四、欢迎致谢

文末下载链接中包含以下内容：

测试文件，总大小3.57GB

解锁前需阅读：2026订阅须知

订阅后解锁下方学习手册链接：