单细胞数据预处理与聚类
识别乳腺癌肿瘤微环境中的主要细胞类型。
对68份乳腺癌标本的scRNA-seq数据进行质量控制和Harmony整合,使用Leiden聚类识别13个细胞簇,并注释为8种主要细胞类型。
Single-cell RNA-seq reveals breast cancer heterogeneity and identifies TCP1 as a therapeutic target in breast cancer.
包含scRNA-seq分析、TCGA队列验证及体外细胞功能实验(迁移和侵袭)等多个独立证据层级。
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
识别乳腺癌肿瘤微环境中的主要细胞类型。
对68份乳腺癌标本的scRNA-seq数据进行质量控制和Harmony整合,使用Leiden聚类识别13个细胞簇,并注释为8种主要细胞类型。
区分恶性与非恶性上皮细胞。
使用inferCNV计算拷贝数变异评分,以正常B和T细胞为参考,识别恶性上皮细胞。
探索恶性上皮细胞内部异质性。
对恶性细胞进行重新聚类,识别5个亚群,并使用CytoTRACE2评估干性,SCENIC分析转录因子调控子。
评估KRT17+亚群基因程序的预后价值。
在TCGA-BRCA队列中使用Cox回归和LASSO回归构建8基因风险特征,并进行Kaplan-Meier和ROC分析。
比较高危和低危组的分子和免疫特征。
使用GSEA、CIBERSORT和突变分析比较两组差异。
从8基因特征中筛选独立预后基因。
使用随机生存森林分析评估基因重要性,识别3个核心基因。
验证TCP1在乳腺癌细胞迁移和侵袭中的作用。
在BT549和MCF7细胞中使用shRNA敲低TCP1,通过伤口愈合和Transwell侵袭实验评估功能。