说在前面
Immugent最近偶遇一个很好的乳腺癌单细胞数据--GSE161529，于是就想拿出来分享给大家。不仅是因为这个数据囊括的乳腺癌类型很全，而是作者利用这一套数据发两篇高分SCI的思路很值得我们学习，下面就开始对这个思路进行解读。
在这套数据中，作者为了检测乳腺异质性在不同状态下的整体变化，对52未经治疗的原发肿瘤样本，包括雌激素受体(ER)+、HER2+和三阴性乳腺癌，进行了scRNA-seq。结果分析显示，癌细胞和循环细胞的离散亚群之间具有相当大的多样性，这篇文章发表在EMBO J杂志上。同时也是分析这套数据，以类似一种方法学的文章发表在了Sci Data杂志上。
主要内容
下面我们依次对这两篇文章的设计进行解读，欢迎有不同看法的小伙伴通过后台联系我们，给我们发信。
既往对乳腺癌的研究表明，增生性CD8+ T细胞在三阴性和HER2+亚类中较多，而在ER+肿瘤中的数量却很少，而所有亚型都包含循环肿瘤相关的巨噬细胞。不同亚型的免疫浸润差异也预示着了可能不同的免疫治疗效果，因此揭示不同乳腺癌亚类中何种免疫细胞决定了免疫治疗效果是非常重要的。作者通过配对的ER+肿瘤和淋巴结的拷贝数分析表明，由基因不同的克隆播种或原发肿瘤细胞大规模迁移到腋窝淋巴结，而这种大规模的患者样本整合提供了正常和癌变人类乳腺细胞多样性的高分辨率单细胞图谱。
为了揭示癌前组织的细胞变化，作者进一步从四个BRCA1突变携带者的预防性乳房切除术(病理正常)中获得肿瘤组织。并对这些标本的总细胞进行scRNA-seq分析，得到了基因的表达谱质量滤波后23240个细胞，这些数据与8个正常(WT)绝经前特征相结合生成59,766个乳腺细胞的图谱。通过分别对每一种来源的单细胞数据进行分析，更能揭示每一种肿瘤类型之间细胞组成的差异。
为了探索可能伴随腋窝淋巴结(LN)迁移和播种的肿瘤细胞群的早期变化，作者最后对7例手术时分离的原发性肿瘤和受累淋巴结进行了scRNA-seq分析，其中包括6名女性患者和1名男性ER+疾病患者。这里作者对每一位患者的数据分别进行分析的做法还是很独树一帜的。
相比于第一篇文章，第二篇文章就有点水了。作者主要通过提供质量过滤阈值、下游处理的R数据对象、完整的单元格注释和R代码来复制所有分析，从而扩展了相关研究。提出了数据质量评估措施，并详细介绍了产生研究中所述结果的所有生物信息学分析。
全文也就3副图，2个表，因为全文都是最基础的单细胞测序分析流程，没啥含金量，Immugent这里就不展开讲了，但是同样收获一篇影响因子为9.8的高分文章。
说在最后
不知道大家有没有这样的经历，就是有的时候感觉自己项目的工作量很大，分析了很多数据，得到了很多结果，最后却不受杂志编辑的待见。这是因为一篇高质量的SCI更强调其内容的完整性和创新性，有时候放的结果多了反而引出更多不确定因素。而在实际操作中，我们应该抓住一些具体的创新点，进行纵深研究，把故事的来龙去脉讲清楚，而不是妄想一篇SCI把所有科学问题都讲清楚。
在本期推文中，作者就把对生物科学问题的解决和对数据本身分析的问题分开发表。还有将同一数据来源的不同科学问题分开做两篇研究型SCI论文，我们平时看到一个GSE号下有多篇参考文献的就多类似于这种操作。
好啦，本期分享到这里就结束了，我们下期再会~~
[参考文献]
[1] Pal B, Chen Y, Vaillant F, Capaldo BD et al. A single-cell RNA expression atlas of normal, preneoplastic and tumorigenic states in the human breast. EMBO J 2021 Jun 1;40(11):e107333. PMID: 33950524
[2] Chen Y, Pal B, Lindeman GJ, Visvader JE et al. R code and downstream analysis objects for the scRNA-seq atlas of normal and tumorigenic human breast tissue. Sci Data 2022 Mar 23;9(1):96. PMID: 35322042
