1. 项目概述
去年发表在Cell上的一篇胶质母细胞瘤多组学整合分析文章，最近在生信圈子里引起了广泛讨论。这篇文章的创新点在于同时整合了五种组学数据（bulk转录组、单细胞转录组、空间转录组、ATAC-seq和代谢组）并与临床预后数据进行了系统验证。最令人兴奋的是，虽然发表在顶级期刊，但文章的分析流程对新手出奇地友好——所有原始数据都来自公开数据库，分析方法使用的也都是主流开源工具。
我在复现这篇研究时发现，作者非常贴心地公开了每一步的分析代码和参数设置。通过拆解这个项目，不仅能学到多组学整合的标准分析流程，更能掌握如何将不同维度的组学数据与临床意义相结合的研究思路。下面我就带大家完整走一遍这个项目的复现过程，并分享一些官方代码中没有提到的实操技巧。
2. 数据获取与预处理
2.1 原始数据来源
文章使用的所有数据均来自公共数据库：
- bulk RNA-seq：TCGA-GBM项目（n=163）
- 单细胞RNA-seq：GSE84465（n=3589细胞）
- 空间转录组：10x Visium数据（n=12样本）
- ATAC-seq：GSE129731（n=17样本）
- 代谢组：来自作者合作实验室的LC-MS数据（已公开）
提示：虽然代谢组原始数据需要邮件申请获取，但作者在Supplementary中提供了预处理后的矩阵文件，复现核心分析可以直接使用。
2.2 数据下载实操
推荐使用以下命令批量下载（需预先安装sratoolkit）：
# 单细胞数据下载示例 prefetch SRRXXXXXXX fastq-dump --split-files SRRXXXXXXX # TCGA数据建议通过GDC客户端获取 gdc-client download -m manifest.txt2.3 质量控与标准化
不同组学数据需要采用特定的QC标准：
| 数据类型 | 关键QC指标 | 常用工具 |
|---|---|---|
| bulk RNA-seq | 比对率>70%, RIN>7 | FastQC, STAR |
| 单细胞RNA-seq | 基因数>500, 线粒体比例<20% | Seurat::CreateSeuratObject |
| ATAC-seq | FRiP>0.3, TSS富集>5 | MACS2, ATACseqQC |
| 代谢组 | QC样本CV<30% | XCMS, CAMERA |
3. 核心分析流程拆解
3.1 多组学整合策略
文章采用"分步整合"策略：
- 先在单细胞层面整合scRNA-seq和ATAC-seq（Signac包）
- 然后通过反卷积将bulk数据映射到单细胞空间（MuSiC）
- 最后用空间转录组验证细胞互作模式（SPARK）
3.2 关键分析步骤
3.2.1 恶性细胞鉴定
使用InferCNV识别恶性细胞：
library(infercnv) infercnv_obj <- CreateInfercnvObject( raw_counts_matrix=count_matrix, annotations_file=cell_annotations, gene_order_file=gene_positions) infercnv_obj <- run(infercnv_obj)3.2.2 代谢-转录调控网络
用WGCNA构建共表达网络后，与代谢物进行Spearman相关分析：
# WGCNA模块识别 net <- blockwiseModules(datExpr, power=6, TOMType="unsigned", minModuleSize=30) # 代谢物关联分析 moduleTraitCor <- cor(MEs, metabolome, use="p")3.3 临床验证方法
文章创新性地使用了两种验证策略：
- 机器学习预后模型（XGBoost）
- 组织芯片多重免疫荧光（mIF）验证
4. 完整复现实操指南
4.1 环境配置建议
创建conda环境避免依赖冲突：
conda create -n glioma_multomics python=3.8 r=4.1 conda install -c bioconda seurat signac macs24.2 分步执行流程
- 单细胞数据分析（Seurat流程）
- 染色质可及性分析（Signac）
- 空间转录组spot解卷积（SPOTlight）
- 多组学整合（MOFA+）
- 临床预后建模（survival包）
4.3 代码优化技巧
原始代码有两个可以优化的地方：
- 单细胞聚类分辨率调整为0.6（原文献0.8）可获得更清晰的亚群
- 当样本量>1000时，建议用Harmony替代Seurat的IntegrateData
5. 常见问题与解决方案
5.1 数据量不足问题
当单细胞数据量较小时（<2000细胞），可以：
- 使用Scanorama进行批次校正
- 采用Symphony进行参考映射
5.2 软件版本冲突
特别注意：
- Seurat v4与v5的对象结构不兼容
- Signac需要对应版本的GenomicRanges
5.3 计算资源管理
内存消耗参考（AWS实例推荐）：
| 分析步骤 | 最小内存 | 建议配置 |
|---|---|---|
| 单细胞聚类 | 32GB | r5.2xlarge |
| ATAC峰检测 | 64GB | r5.4xlarge |
| MOFA+整合 | 128GB | r5.8xlarge |
6. 结果解读与拓展应用
6.1 关键发现复现
确保你的结果能重现文献中的：
- 代谢酶OGDH与免疫排斥表型的关联（图3D）
- 空间共定位模式（图5F）
- 预后模型C-index>0.7（图7B）
6.2 方法迁移建议
这套流程可以应用于：
- 其他肿瘤的多组学研究（如乳腺癌）
- 神经退行性疾病研究
- 药物反应异质性分析
我在实际复现中发现，将WGCNA的power值从6调整到8可以增强代谢模块的显著性。另外建议在运行MOFA+时设置n_factors=15（默认10），这样能捕获更多生物学变异。整个项目跑完大约需要3天计算时间，最耗时的步骤是单细胞数据的Harmony整合。
