多组学联合分析|系统的学习代谢、蛋白、肠道、转录组、网药等多组学联合分析学习会3月8日开始。

数信院生信服务器，是为生物信息学领域的科研人员和学者提供的一站式服务平台。我们依托先进的硬件设施和专业的技术支持，致力于为各类生物信息学项目提供高效、稳定的计算资源，助力科研工作顺利进行。

来自上海同济大学附属上海市肺科医院的张鹏教授及其团队，通过研究接受新辅助治疗（抗PD-1和化疗联合）的NSCLC患者治疗前后的组织样本，描述了治疗应答患者和无应答患者的肿瘤细胞状态及肿瘤微环境（TME）的空间组织差异及其与患者治疗效果的关系

不应该是“大佬NC灌水”模式，反而更像是“普通人以NC为顶点”的样子。这就让人更加疑惑了，虽然2024年刚刚过去，为什么这样的数据、这样的分析还能发在NC上面呢？

Enzymes that catalyse the biotransformation of foreign compounds are generally referred to as xenobiotics‐metabolizing enzymes (XMEs). XMEs catalyse functionalization and conjugation reactions that lead to the conversion of xenobiotics to more water-soluble…

在本文中，作者提出了一种新颖的统计学习框架，即SpaTopic，基于主题建模（topic modeling）方法，将空间转录组数据的聚类和反卷积分析有机结合，能够将肿瘤微环境划分为具有一致细胞组成的空间域，从而实现对其精细的功能注释。

在之前的推文；SpaTopic基于单细胞和空间转录组的肿瘤微环境空间域识别方法中，小编已经大致介绍了SpaTopic的功能框架。从本期推文开始，小编开始深入剖析它的算法原理，底层逻辑设计和代码复现。

该研究利用11例手术切除后立即处理的人卵巢和子宫内膜肿瘤的组织样品，通过进行匹配的单细胞RNA测序（scRNA-seq）和单细胞开放染色质测序 （scATAC-seq）联合分析，揭示了这些肿瘤复杂的细胞异质性及其关联性。

本研究基于该课题组先前基于GC免疫微环境研究的系列工作，进一步开发了能够快速实现对mGC患者进行胃癌免疫治疗响应评估的新型检测手段，并证明了TMEscore在预测患者免疫治疗反应和患者预后方面具有优越性，强于已有的预测免疫治疗反应的标志物

本课程设置从零基础开始一步一步递进，掌握各种组学（RNA-seq、ChIP-seq、ATAC-seq等）bulk及单细胞分析技能。