机械力这个热点大家一定不陌生吧，小云前几天刚为大家安利过：单细胞+分子分型+机器学习就能发JTM？热点基因集【机械力】才是重点！CMap数据库也是加分项~，这种小众热点往往给人的印象会更深刻。当时就有不少朋友投票会考虑用它做生信，小云今天想说，看好了就不要考虑啦，你在纠结的时候，同行团队已经行动起来啦~
下面带大家看看西南医大团队是怎样拿下JHEP Reports（1区Top，IF=7.5）的吧~
题目：IL4I1+巨噬细胞通过响应生物力学线索驱动肝癌进展
上面那篇文章侧重点在基因集，而这篇文章的侧重点在细胞。
作者直接从单细胞公共数据入手，筛选力学敏感的细胞亚群，定位到一个巨噬细胞亚群，巨噬细胞的研究热度不用小云多说，国自然上榜常客，选题上与这个细胞挂上钩，竞争力不言而喻，此外，力学与巨噬细胞联合分析，创新性是极高的！
确定了细胞之后，又通过空转数据对细胞亚群进行空间定位；随后，又对该细胞亚群进行免疫浸润以及GSVA分析；此外，还进行了药物筛选；最后，还基于机器学习构建了SuperPC 预后模型。当然，作者还做了体内外实验验证，干湿结合接收概率更高。
所以，这篇文章无论是选题，还是设计思路质量的非常高，即使不加复杂验证实验，这篇文章的分数也低不了（保守估计，3分起步）。不过，这篇文章复现起来难度也不小，对服务器算力要求比较高，小云有带GPU的各种配置服务器供大家选择~
数据来源
单细胞：GSE151530、GSE149614，来自GEO；
空间转录组：225847_D4和226334_D5_2，来源于10X Genomics数据库；
Bulk转录组：GEO数据库（GSE116174和GSE43619）、ICGC数据库（ICGC-LIRI-JP）和TCGA数据库（TCGA-LIHC）；
力学基因集：79个（PMID: 39037695）。
生信思路拆解
1）基于单细胞数据进行分群分析，并通过CellChat进行细胞通讯分析；
2）结合79个力学相关基因开发了一个机械评分系统，筛选HCC中力学响应最显著的细胞类型；
3）对巨噬细胞进一步分群，并再次根据机械评分确定关键亚群，并进行拟时序和预后相关性分析；
4）基于空转数据，使用空间机械评分定义低机械(LM)和高机械(HM)区域，分析关键亚型的空间分布；
5）免疫浸润以及基因集变异分析（GSVA）分析。
6）基于TCGA数据的肿瘤药物预测平台，筛选敏感药物；
7）用IL4I1+巨噬细胞力学特征构建SuperPC机器学习模型用于HCC患者风险分层、以及预后预测；
8）实验验证（细胞力学模型、裸鼠模型、AFM 力学检测）。
主要结果（生信部分）
细胞通讯分析，发现巨噬细胞活性最高，显示出最高的配体-受体相互作用数量和强度。此外，机械评分分析发现，巨噬细胞表现出更高的机械敏感性。
巨噬细胞进一步分为七个不同的亚群，其中IL4I1+巨噬细胞表现出最高的机械响应性。伪时序分析将IL4I1+巨噬细胞定位在终端分化状态。生存分析显示，具有高评分的患者生存率显著更低。
空转分析表明，IL4I1+巨噬细胞在HM区域显著富集，这一模式通过RCTD算法得到了证实。
在TCGA中使用ssGSEA分析量化并可视化了28种免疫细胞亚型的浸润特征。高IL4I1+巨噬细胞组富集Treg、MDSC 等免疫抑制细胞，伴随PD-1/TIM3/LAG3等耗竭标志物高表达，驱动免疫逃逸。
GSVA显示高IL4I1+巨噬细胞评分样本中癌变通路显著富集，包括肿瘤增殖、癌症干细胞、转移潜力、耐药性和免疫抑制，高评分与较高的转移潜力、微血管侵袭、癌症干细胞和复发率相关。
通过oncoPredict分析了TCGA-LIHC队列中的药物反应，并将SB505124定位为针对IL4I1+巨噬细胞介导的HCC进展的有前途的治疗候选药物。
云生信点评
对于这篇文章小云只是展示了生信分析部分的结果，其实从生信结果看这个思路就很完整了，实验占比很低。文章凭借创新的选题和思路，最终9成生信拿下1区7.5分，实至名归！
小云还是那句话，看好机械力这个热点的话就抓紧入手，搞不定分析欢迎直接联系小云，助力你的科研之路走的又快又好~
