今天分享的这篇文章，来自南京医科大学附属常州第二人民医院。他们聚焦的是肝细胞癌（HCC）中NK细胞的一个基因——SSR2。整篇工作从单细胞图谱出发，用空间转录组锁定关键通路（细胞质翻译），再通过hdWGCNA筛选共表达模块，接着在bulk数据上跑7种机器学习算法来精准筛选核心基因，最后用伪时间分析、细胞通讯和体外实验做验证。逻辑链完整，可复现性比较高，尤其对想更快出成果的医生朋友们来说，很值得借鉴呢。
（基于单细胞与空间转录组学的肝细胞癌中SSR2在NK细胞中的作用机制研究）
亮点解析
这篇文章先靠单细胞转录组把HCC的免疫图谱画出来，看清细胞的异质性；接着用空间转录组的非负矩阵分解（NMF），从空间角度锁定了“细胞质翻译”这条通路；然后用hdWGCNA找出和通路活性最相关的共表达模块，再用7种机器学习算法的交集筛选核心基因，泛化能力更强、靶点更准；之后通过伪时间分析和细胞通讯，发现SSR2在NK细胞发育过程中的动态表达和细胞互作情况；最后用临床组织样本和细胞系做了Western blot和qPCR验证，增加了临床落地的可信度。从基因、细胞、空间到临床，多个层面交叉论证，既有机制探索，也有转化潜力，这种结构也是审稿人通常比较认可的。别问云生信-课题师怎么知道，自然是咱们团队现在已经做了不少类似的方案，在数据挖掘、多组学整合方面积累了不少经验——个性化生信分析，这可都是我们云生信团队的强项！
思路拆解
1）对HCC患者肿瘤组织的细胞进行降维聚类，注释出主要细胞类型，通过差异表达和GSEA分析各细胞亚群的功能通路。
2）对空间转录组数据进行NMF分解，对每个组分的top 30基因进行GO分析揭示富集通路。
3）基于细胞质翻译通路活性评分将细胞分为高、中、低三组，利用hdWGCNA识别出12个共表达模块，筛选出组间差异最大的black和green模块。
4）在TCGA和GEO bulk数据上运用7种机器学习算法，取所有算法筛选结果的交集鉴定核心标志物SSR2并验证。
5）分析SSR2的免疫浸润、肿瘤微环境、免疫检查点、GSEA及药物敏感性情况；并利用单细胞分析揭示SSR2的主要表达位置，伪时间分析揭示其在分化过程中的动态表达。
6）利用CellChat分析高/低表达SSR2的NK细胞与其他细胞的通讯差异；最后通过临床组织样本和肝癌细胞系的Western blot及qPCR验证SSR2在HCC中上调。
主要结果
UMAP图显示34,402个细胞分为10个亚群。GSEA富集分析揭示了各细胞亚群的特征性通路，为后续通路筛选奠定了基础。
NMF分解选取k=6，将空间斑点分为6个成分。GO富集显示“细胞质翻译通路”在最多NMF成分中显著富集，提示该通路在肿瘤进展中发挥重要作用。
空间转录组和单细胞转录组均显示SSR2与High_CT特征空间共定位。重聚类将NK细胞分为SSR2⁺ NK（subset 8）和SSR2⁻ NK。伪时间分析和分化潜能分析表明，SSR2表达随NK细胞发育成熟而持续下降，提示SSR2可能标记未成熟NK细胞亚群。
细胞通讯分析显示，SSR2⁺ NK和SSR2⁻ NK均显著富集MIF信号通路。有趣的是，SSR2⁺ NK表现为MIF的“发出”方，而SSR2⁻ NK则表现为“接收”方。内皮细胞和成纤维细胞是MIF的主要来源。
课题师点评
把单细胞转录组定位细胞类型、空间转录组锁定通路、hdWGCNA筛选模块、多机器学习算法交集选基因、伪时间分析揭示发育轨迹、细胞通讯解析信号轴、外加临床样本验证这一套完整框架串起来的纯生信+微量验证思路，几乎对于各科室疾病领域的标志物鉴定研究都能适用。如果您临床工作忙、没时间做大样本实验，不妨考虑用这种公共数据+生信分析+靶向验证的高效路径。类似的思路云生信-课题师团队也做了百余个，经验相当丰富了——自己没空挖数据、跑代码分析的话，咱们技术老师也随时在线解决搞定哦！
10个月宝宝每天需要喝多少奶粉？
