生信技能树一直致力于华语地区生信知识的普及，本次针对多年来呕心沥血整理的资源来给大家进行资源分享，包括但不限于介绍带有完整代码和数据的图表复现资源，不同大学免费公开的公开课介绍，免费电子书籍资源介绍等~
本次分享的文献是一篇超大数据量的泛癌型的单细胞与空间转录组数据分析！提供了两个超大整理好的数据表单，再也不担心如何找数据了。作者也提供了对这个大数据量分析的python代码，以及图片可视化部分的R脚本。除此之外，作者的结果还可以在网站进行查询：https://cellatlas.kaist.ac.kr/ecosystem/
我觉得这篇文章分析最有意思的地方值得大家一看的是：接近500万个单细胞，作者是如何进行上下游分析的吧？如何减轻计算负担的吧？如何进行多数据集、多组织数据整合与注释的吧？
数据介绍
作者将分析代码和处理后的数据都放在zenodo上：https://zenodo.org/records/10651059，这么大的数据量当然是python进行处理，R进行可视化
单细胞转录组数据整理成了一个表格：[Documentation for scRNA-seq dataset.xlsx](https://zenodo.org/records/10651059/files/Documentation for scRNA-seq dataset.xlsx?download=1)
空间转录组数据也整理成了一个表格：[Documentation for Spatial dataset.xlsx](https://zenodo.org/records/10651059/files/Documentation for Spatial dataset.xlsx?download=1)
常规转录组免疫治疗队列：GSE218989
image-20240605140200242
Systematic dissection of tumor-normal single-cell ecosystems across a thousand tumors of 30 cancer types
文章内容简介：
肿瘤微环境的复杂性对肿瘤治疗提出了重大挑战。在这里，为了全面研究肿瘤-正常生态系统，我们对来自1070个肿瘤和493个正常样本的490万个单细胞转录组进行了综合分析，并结合泛癌137个空间转录组，8887个TCGA和1261个检查点抑制剂治疗的肿瘤。我们定义了构成肿瘤-正常生态系统的无数细胞状态，并确定了不同细胞类型和器官的标志性基因特征。我们的图谱描述了由AKR1C1或WNT5A标记的炎症成纤维细胞在细胞相互作用和空间共定位模式方面的区别。共现分析揭示了富含干扰素的群落状态，包括三级淋巴结构(TLS)成分，它们在肿瘤、邻近正常组织和健康正常组织之间表现出不同的重新连接。通过免疫疗法治疗的癌症(n = 1261)，包括我们的肺癌队列(n = 497)，证实了干扰素富集的社区状态对免疫疗法的有利反应。空间转录组的反褶积区分了免疫治疗有利成分中富集tls和非富集的细胞类型。我们对肿瘤-正常生态系统的系统解剖提供了对肿瘤间和肿瘤内异质性的更深层次的理解。
单细胞分辨率下泛癌肿瘤-正常景观的概述（Figure 1）
image-20240605112845157
image-20240605112900515跨器官组织生态系统标志基因景观（Figure 2）
image-20240605112922929将肿瘤-正常生态系统反卷积成异质细胞状态（Figure 3）
image-20240605113000908AKR1C1+和WNT5A+炎性成纤维细胞的表征（Figure 4）
image-20240605113050908
image-20240605113113338肿瘤特异性干扰素富集和致瘤前社区的发生和免疫治疗预测细胞状态的测定（Figure 5）
image-20240605113155642跨多种癌症类型肿瘤生态系统的空间转录组分析（Figure 6）
image-20240605113233000Cite：
Kang, J., Lee, J.H., Cha, H. et al. Systematic dissection of tumor-normal single-cell ecosystems across a thousand tumors of 30 cancer types. Nat Commun 15, 4067 (2024). https://doi.org/10.1038/s41467-024-48310-4
文末友情宣传
强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：
