文章信息
 一句话概括揭示两种不同的肺腺癌微环境模式，基于微环境提供额外的预后信息，预测潜在的目标细胞群用于治疗 肺腺癌的细胞组成10个正常+10个肺腺癌样本，得到114489个高质量的单细胞转录组数据  UMAP结果表明不管是组织类型还是不同病人，细胞都”混在一起“，说明不存在批次效应  作者拿了epithelial, immune, stromal 三种类型细胞的 marker genes，分出了20,450 epithelial, 89,766 immune, and 4273 stromal，发现和其他文章一样，免疫细胞占据主体（D图中黄色部分占绝对优势）。不同病人之间的上皮细胞占比差异明显，而且solid/sarcomatoid（实体瘤/肉瘤样型）这种tumor的上皮细胞占比不到10%，而lepidic/acinar carcinomas（鳞屑状/腺泡型）这种占比大于40%  肿瘤上皮细胞的异质性
分群差异既然不同肿瘤样本展示了不同的上皮细胞占比差异，接下来作者将epi单独拿出来，重新分群，并且根据组织类型（normal和tumor）进行拆分（即：一整个epi的UMAP按照组织类型拆成了2张图）  对正常组织的上皮细胞再进行细胞注释（按照图B的marker基因），发现了：alveolar type 1 and 2, club, ciliated, and even a small cluster of neuroendocrine cells。肿瘤样本的epi体现出了明显的病人特异性（每个病人是单独的一团细胞）  拷贝数变异inferCNV，发现重新分群结果和组织类型以及拷贝数变异结果都能对应上，并且肿瘤纯度高于90%，侧面反映了分群的准确性  差异基因然后看了肿瘤上皮细胞的几个明显的差异基因表达量（EGFR, TFF3, CDKN2A, and SFTPA2），和免疫染色结果正相关  信号通路根据一些致癌信号通路基因，看了这些通路在不同病人之间的确存在差异，尤其是EGFR, TGFβ, JAK/STAT, Hypoxia, and PI3K信号通路  不过同时也发现，像是P034、033、030这几个病人，虽然他们的信号通路活性普遍比较高，但是他们的有丝分裂活性并不高  从病人视角切换到组织视角，发现一些共性这次不按病人，而是按组织类型进行cluster的划分，并且看到第一个主成分（认为代表了最主要的生物差异因素）随着组织类型的变化，呈现梯度式的变化 根据PC1 的PCA score，又找到了：top 30 genes positively and negatively correlated with PC1 were defined as an “alveolar/club-like” and “undifferentiated” tumor cell signature，其中SCGB3A1 and SCGB3A2 又和肺的发育相关 从undifferentiated到alveolar/club-like表型，肿瘤上皮细胞呈现出类似的组织类型和通路活性的变化，比如JAK/STAT, Hypoxia, EGFR and TGFβ信号在undifferentiated处于高位，而PI3K后来在alveolar/club-like表型中升高 肿瘤基质细胞微环境
在A图中的第三个fibroblastic/muscle cell clusters中，发现从normal到tumor，原来fibroblast占主导（两个蓝色），变成了myofibroblast占主导（两个绿色） B图中展示的是myofibroblast和fibroblast的maker gene：Myofibroblast clusters were characterized by expression of both fibroblastic marker genes, such as PDGFRA and LUM, and smooth muscle marker genes, such as MYLK and ACTA2 然后看到myofibroblast的cluster2，都存在于tumor样本；而cluster1则是在tumor、normal均有，其中几个基因（COL5A2、COL6A3、SULF1、MMP11）与extracellular matrix remodeling有关 对比myofibroblast的2个cluster通路活性，发现cluster2在TGFβ 、JAK/STAT和hypoxia-induced pathways 均高于cluster1 另外，这两个cluster在fibroblastic/muscle cell的占比，在不同病人之间也是负相关的 肿瘤免疫微环境
拿到的细胞类型包括：tissue-resident and monocyte-derived macrophages, monocytes, myeloid and plasmacytoid dendritic cells, mast cells, and T, NK, B, and plasma cells 比较明显的是不同细胞类型的数量变化：
研究肿瘤微环境的构成模式PCA将不同的病人样本进行划分：
做了细胞通讯分析，发现： tumor cells in the CP2E environment receive potential paracrine signals from cancer-associated myofi- broblast cluster 2 activating Ephrin, FGF, WNT, TGFβ, and BMP signaling, and from proinflammatory monocyte-derived macrophages cluster 2 potentially activating JAK/STAT signaling 分析了TCGA lung adenocarcinoma cohort，发现 N³MC 相关的gene signature预后更好 最后得出结论：
|
|
|
