Cell 子刊食管腺癌snRNA单细胞+scATAC表观+visium xenium空间转录组 +OncoPanel基因组多组学研究思路全拆解
食管腺癌一旦出现转移，5年生存率不足5%，同样的治疗方案，患者反应差距极大，这背后的细胞机制一直没有被完全解析。
2025年6月17日，Cell Reports Medicine刊发跨国团队研究，系统揭示了食管腺癌原发与转移阶段的细胞状态、恶性程序及微环境互作特征。今天我们就来拆解一下这篇生信文章：Cell states and neighborhoods in distinct clinical stages of primary and metastatic esophageal adenocarcinoma。
研究概述
本研究以原发性和转移性食管腺癌为研究对象，运用单核转录组、单核染色质可及性测序、空间转录组技术，识别出5种恶性细胞程序，明确其表观可塑性、空间分布特点，并与临床分期、预后、药物敏感性进行关联分析。
实验设计
研究共纳入13例患者样本，包括正常旁组织、原发肿瘤组织和转移灶组织。10例样本用于单核多组学测序，3例匹配样本开展Visium空间转录组分析，6例样本使用Xenium空间转录组检测，7例样本完成OncoPanel基因组测序。研究结果在3套外部单细胞RNA测序数据集和3套批量RNA测序数据集中完成验证。
研究结果
图1展示食管腺癌转录组与染色质可及性的整体细胞分群，确定7大主要细胞类群，恶性细胞占比平均为54%。
图2解析肿瘤微环境中的巨噬细胞、淋巴细胞、癌相关成纤维细胞亚群，炎性癌相关成纤维细胞在转移灶中显著富集。
图3利用一致性非负矩阵分解得到5种恶性细胞转录程序，分别对应未分化、中间型、分化型、上皮间质转化、增殖状态。
图4显示5种恶性程序具有不同的染色质可及性模式，分化型与未分化型程序表观可塑性更低。
图5揭示恶性细胞程序在肿瘤组织中存在空间异质性，分化型程序多分布在肿瘤边缘，未分化型程序多位于肿瘤核心。
图6证实分化型程序与较低T/N分期、更好生存相关，不同恶性程序的预测药物敏感性存在差异。
图7阐明恶性细胞与微环境细胞通过THY1、Midkine、MIF等通路形成空间特异性的细胞间信号交流。
数据分析
生信分析
1. 单核转录组（snRNA-seq）分析
先通过CellBender去除背景RNA，Scrublet去除双细胞，过滤低质量细胞和高线粒体基因比例细胞；再进行CP10k标准化与log(x+1)转换，用Harmony整合批次效应；依据标记基因注释细胞类型，InferCNV区分恶性与非恶性细胞，Milo分析细胞亚群丰度差异；采用cNMF鉴定恶性细胞程序，GSEA进行功能富集。
2. 单核染色质可及性（snATAC-seq）分析
使用Signac完成质控，MACS2识别开放染色质峰，过滤基因组黑名单区域；以TF-IDF做标准化，LSI降维；计算程序得分与染色质峰的相关性，用熵值评估细胞表观可塑性。
3. 空间转录组（Visium/Xenium）分析
Visium数据用SpaceRanger比对，Squidpy质控，InferCNV划分肿瘤与正常区域，Cell2Location反卷积细胞类型。Xenium数据用SOPA预处理，Cellpose完成细胞分割，CellCharter鉴定空间细胞生态位；用NCEM和COMMOT分析空间配体-受体互作。
4. 多组学联合分析
整合转录组与染色质可及性数据，通过SCENIC+构建增强子驱动的基因调控网络，筛选核心转录因子。将单细胞特征映射到批量数据，以ssGSEA进行程序打分，Cox回归分析预后，BayesPrism完成批量数据反卷积。
统计分析
组间比较采用Mann-Whitney U检验、单样本t检验，以FDR校正多重检验；生存分析采用单变量Cox比例风险模型，Wald检验计算显著性；用Pearson相关分析程序与临床指标、信号通路活性的相关性。
总结
研究意义
本研究从多组学层面系统刻画了食管腺癌从原发至转移的细胞异质性，确定5种恶性细胞程序的表观与空间特征；阐明恶性细胞与肿瘤微环境的空间互作模式；建立恶性程序与临床分期、治疗响应、药物敏感性的关联，为食管腺癌的精准诊疗提供了分子基础与潜在方向。
文章复现
这篇文章的原始数据和生信分析代码都公开了，非常全面。
原始数据
• 单核RNA与ATAC原始数据：dbGaP 编号 phs003438.v1
• 处理后单细胞数据：Broad Single Cell Portal，编号 SCP3028、SCP3029
• 空间转录组数据：Zenodo DOI 10.5281/zenodo.15341263
• 外部验证数据：EGA（EGAS00001006468、EGAS00001006469）、GEO（GSE222078、GSE210347、GSE207527）、TCGA ESCA 队列
生信分析代码
• Zenodo DOI 10.5281/zenodo.15269379
• GitHub 仓库：https://github.com/vanallenlab/EAC-multiome
推荐阅读
中国银河生信云平台（UseGalaxy.cn）致力于生信平权。海量云端算力、8000+生信工具结合AI，推动生信进入3.0时代：数据分析从本地到云端，从手工到 AI。生信3.0时代交流群，加入免费领取学习资料。紧跟时代步伐，掌握最前沿的生信技术和资源。
最佳Galaxy生信云平台教程：从入门到精通（图文版）
转录组分析流程和工具大全（最强总结）
全网最佳WGCNA分析教程，一键完成
精品课程
生信 3.0 时代：单细胞分析跨入“云平台+AI+Python”新纪元
Galaxy平台操作入门 & RNA-seq数据分析实战
咨询小助手：usegalaxy