Tomorgene Research Note · 公开导读版

Single-cell multimodal profiling of pan-cancer cell lines uncovers gene regulatory principles underlying intrinsic cell states and environmental features

这篇工作不是只做 pan-cancer atlas：它先用双模态数据定义跨谱系 EMT 轴，再将 CNV dosage、melanoma subtype GRN、患者 TME 与免疫治疗结局按不同证据等级串联起来。

文献身份与版本

论文作者
Zihan Xu, Aileen Ugurbil, Joshua Kwan, Chloe Schaefer, Abdulraouf Abdulraouf, Ziyu Lu, Erting Tang, Wei Zhou, Junyue Cao
期刊与年份
Nature Communications 17, 6975 (2026) · 23 July 2026
版权/许可边界
主文采用 Creative Commons Attribution 4.0 International (CC BY 4.0)；第三方材料仍以原图 credit line 为准。
笔记作者
Morgen · tomorgene.com
当前版本
公开导读版 · 5 张低分辨率代表图 + 15 个具体阅读索引 · robots noindex,nofollow · 2026-07-31
Research Notepan-cancerEasySciRNA + ATACEMTCNV dosageacral melanoma

阅读起点

材料门禁：4 个 PDF 可读且未加密，2 个 workbooks 可打开；主文、Supplementary Information、Data descriptor、Peer Review 与 figure-level Source Data 已人工分离。Peer Review 不进入科学证据链，在线 Reporting Summary 未随本地材料提供。
一句话模型：EasySci atlas 显示 lineage program 之上存在跨癌种 EMT 调控轴；TF/区域性 CNV 与该轴相联，AM 和 CM 又分别偏向低炎症/TGF-beta 与 JAK-STAT/IFN 内在状态，并在患者 TME 和治疗队列中留下可检验但主要为关联性的投影。
最重要的边界：本文最强的是大规模双模态 atlas 与跨数据一致性。CNV mechanism、TME direction 和 therapy biomarker 的证据从关联到扰动支持不等，不能统一写成完整因果链。

证据链顺序

  1. Fig.1 先确认资源和 lineage signature。
  2. Fig.2 从 atlas 提炼跨谱系 EMT regulatory continuum。
  3. Fig.3 用 CNV、binding 和 perturbation 提高部分机制候选的证据等级。
  4. Fig.4 将框架落到 AM/CM intrinsic programs 与 subtype GRNs。
  5. Fig.5 检验 patient TME 与 retrospective therapy association，并保留负结果。
  6. S1-S10 依次承担 QC、稳健性、负例、外部验证和临床边界。

科学问题与总体模型

能否从分开测得的 RNA/ATAC 细胞建立可迁移 GRN，并把 lineage、EMT、CNV、melanoma subtype、TME 与 therapy outcome 放进一条证据强度清楚的链条？

EasySci atlas

60 lines · RNA + ATAC

Multimodal GRN

GLUE · SEACells · SCENIC+

EMT continuum

cluster 6 -> 7 -> 8

Dosage/subtype

CNV · AM/CM GRN

Patient transfer

TME · response · survival

可证伪节点：需要 matched cancer CNV editing、chr11 combinatorial perturbation、primary tumor/organoid time course、AM/CM co-culture/spatial perturbation，以及预注册免疫治疗队列，才能确认 direction、necessity、cutoff 与临床增量价值。

名词解释

36 张分组术语卡直接服务于主图、controls 与 data boundary，不做脱离本文的薄 glossary。

核心机制 读懂主图必备

EasySci

组合索引的高通量单细胞框架；本文分别生成 snRNA-seq 与 snATAC-seq，而不是同一细胞内的 paired multiome。

Multimodal meta-cell

GLUE 共嵌入后由 SEACells 聚合邻近 RNA/ATAC cells；降低稀疏性，也会平滑稀有或瞬时状态。

SCENIC+ regulon

由 TF motif、ATAC peak 与 target expression 推断 TF-CRE-gene 关系；网络边是候选调控，不是直接 binding 或因果。

GRN cluster

按 regulon activity 将 59 个可用细胞系组织为 8 个状态群；cluster 1-5 偏 lineage，6-8 形成跨谱系状态轴。

EMT pseudotime

用外部 conserved EMT signature 与 Slingshot 排列状态；这是横断面排序，不是真实时间或不可逆进程。

Epithelial-intermediate-mesenchymal axis

cluster 6-8 跨多个癌种共享的转录/染色质连续轴；不能简单等同于体内侵袭或转移能力。

TF dosage

activated TF 的 amplification 比 regulon targets 更常见；本文用 CNV、ATAC 与扰动数据讨论剂量和状态的联系。

CNV hotspot

chr11 与 chr20 上与 EMT pseudotime 负相关的扩增区域；区域内可能有多个协同基因，不能只归因于一个 driver。

Acral melanoma (AM)

发生于掌跖、甲下等少见部位的 melanoma 亚型；本文细胞系内在程序偏低炎症、TGF-beta/谱系相关。

Cutaneous melanoma (CM)

常见皮肤型 melanoma；本文细胞系内在程序更偏 JAK-STAT、AP-1、IRF1 与 interferon/inflammatory response。

Program 11 / Program 4

oNMF 后再与 DEG 取交集得到的 AM-universal 与 CM-universal programs；宽泛 program 与 GRN-refined subset 的预测表现不同。

Intrinsic GRN-TME bridge

cell-line subtype GRN 与患者免疫/基质状态及治疗结局的跨队列对应；它支持 biomarker hypothesis，不证明单向塑造 TME。

实验模型/场景 定位 cohort 与外推边界

60-cell-line pan-cancer panel

覆盖 16 个组织来源和 20 个癌种；各组织数量不均衡，不能代表全部人类癌症遗传背景。

IMR-90 / HEK293 references

两个非恶性参考细胞系用于 atlas/CNV 解释；不是各癌种逐一匹配的正常组织对照。

Separate RNA and ATAC cells

两个模态来自不同细胞核；一致性来自跨细胞整合，不能被写成同一细胞内同步变化。

RPE1 CRISPRa

外部 TF-ome 数据中激活 CEBPB 后 epithelial regulon 与 markers 上升；支持 sufficiency，但背景不是发现集癌细胞。

FiCS HEK293T Perturb-seq

chr11 区域多基因扰动的外部筛查；能比较方向和候选基因，不能替代 matched cancer model 的 CNV editing。

10 AM + 5 CM cell lines

melanoma subtype discovery set；样本少且不平衡，cell-line-specific variation 仍可能影响 program。

42 AM + 15 CM patient validation

外部 bulk patient cohort 用于复现 Program 11/4 与 JAK-STAT/IFN difference；仍受临床和组成混杂。

TCGA-SKCM

用于 bulk program 与 deconvolved TME score 的关联；该 cohort 主要是 cutaneous melanoma，AM program 的解释需谨慎。

6 AM + 3 CM patient scRNA TME

患者级 TME 复分析只有 9 例；能提供 cell-type resolution，难以完全分离 patient、batch 与 treatment history。

Retrospective immunotherapy cohorts

Liu2019、Lauss2017、Riaz2017、Campbell2023 等用于 response/survival association；不能当作已验证 companion diagnostic。

方法与数据口径 区分测量、推断与因果

GLUE

在每个细胞系内把 RNA 与 ATAC 嵌入共同空间；整合坐标反映统计对应，不保证是真实生物轨迹。

SEACells

将局部相似 cells 聚合为 meta-cells 以提高 GRN 稳定性；聚合会牺牲部分单细胞异质性。

AUCell

按 regulon gene set 计算 activity score；score 依赖候选网络定义，不是直接 TF activity assay。

Slingshot

在既定 embedding/signature 上拟合 pseudotime；不提供真实时间、转移速率或方向不可逆性。

InferCNV

从 RNA expression 推断 broad copy-number pattern；表达状态本身可能污染 CNV call，不能替代 DNA assay。

ATAC/WES/WGS cross-validation

ATAC coverage 与外部 DNA 数据支持 broad CNV 方向；ATAC coverage 仍受 copy number 直接影响，并非完全独立机制证据。

CEBPB ChIP-seq

外部 ENCODE tracks 提供 KRT8/KRT18 附近 binding 证据；不同细胞背景的 binding 不等于发现集中的必要性。

oNMF

把 melanoma expression 分解为 15 个 programs；program 数的选择结合 reconstruction、redundancy、stability 和生物解释。

DEG refinement

将 oNMF programs 与 DESeq2 subtype DEG 取交集，减少宽泛 module；也引入阈值和发现集依赖。

PROGENy

从下游 expression footprint 推断 pathway-associated activity；不是直接测 kinase、ligand 或 phosphorylation。

FigR subtype GRN

用 differential peaks、peak-gene association、motif 与 TF expression 推断 AM/CM network；边仍需 locus perturbation。

TIMER2

在 TCGA bulk 中计算 immune/stromal deconvolution scores；结果依赖 reference 和 purity，不能取代组织学计数。

CellPhoneDB

依据表达与已知 ligand-receptor 数据库推断潜在互作；不证明空间接触、蛋白水平或真实信号通量。

CIDE / Cox models

用于 retrospective response 与 survival association；cutoff、治疗背景和未覆盖临床混杂限制可迁移性。

Fig.1 · EasySci 是否建立了可信的 pan-cancer RNA/ATAC atlas？

60 个细胞系产生 240,957 个 RNA profiles 与 223,347 个 ATAC profiles，两个模态都保留细胞系、癌种与组织来源结构。

问题
高通量组合索引后，体外细胞系是否仍能给出一致且可解释的 lineage-intrinsic signal？
结果
RNA 与 ATAC UMAP 按 cell line/lineage 聚集，代表 marker 的 expression 与 gene-body accessibility 方向一致。
控制
S1 检查 UMI、genes、fragments、TSSE 与模态细胞数平衡；IMR-90/HEK293 提供有限非恶性参考。
推论
强支持资源质量和 lineage signature 保留；不证明 marker 是维持状态的因果因子。
局限
细胞系数量与癌种覆盖不均；RNA/ATAC 来自不同细胞，UMAP 也不是严格群体边界。
Fig.1c-d据原文 Fig.1c-d 裁剪示意（低分辨率，仅供导读）。图像由 CC BY 4.0 主文裁剪；第三方材料边界以原图 credit line 为准，原始图与正式图注请回到出版社原文。 回到 DOI
RNA 与 ATAC atlas 在独立模态中保留相似的 cell-line/lineage structure。

Fig.1a-b,e · 省略 panel 的证据角色

先核对 EasySci 流程与 cohort composition，再比较 RNA marker 和 ATAC accessibility；这些 panel 建立资源可信度，不是调控因果。

回原文核对 Fig.1

Fig.2 · 是否存在跨癌种共享的 EMT 调控连续轴？

GLUE、SEACells 与 SCENIC+ 把 atlas 压缩为 8 个 GRN clusters，其中 cluster 6-8 跨组织呈 epithelial-intermediate-mesenchymal continuum。

问题
组织特异程序之外，RNA+ATAC 是否支持可跨谱系复现的共同调控状态？
结果
正常参考映射、RNA/ATAC state features、外部 EMT signature、regulon expression 与 motif deviation 在同一轴上协调。
控制
S2 排除低质量/模态/RT-well 解释；S3 downsampling 与外部数据迁移；S4 检验 intra-cell-line heterogeneity 和 cell cycle。
推论
强支持跨谱系 EMT-associated regulatory continuum；多数 TF 仍是候选调控者。
局限
meta-cell 会平滑异质性；网络只保留正向关系；pseudotime 是状态排序而非时间。
Fig.2j据原文 Fig.2j 裁剪示意（低分辨率，仅供导读）。图像由 CC BY 4.0 主文裁剪；第三方材料边界以原图 credit line 为准，原始图与正式图注请回到出版社原文。 回到 DOI
代表 TF expression 与 motif deviation 沿 EMT pseudotime 协调变化。

Fig.2a-i · 省略 panel 的证据角色

依次看 GRN pipeline、8 个 cluster、正常参考映射、RNA/ATAC state 和 pseudotime；不要把 label transfer 或 pseudotime 写成 cell-of-origin/时间证明。

回原文核对 Fig.2

Fig.3 · CNV 是否通过 TF dosage 与区域性基因组合塑造 EMT state？

chr11/chr20 amplification 偏 epithelial state；CEBPB 与多个 chr11 genes 获得 CNV、chromatin、binding 和独立 perturbation 的分层支持。

问题
热点扩增是状态相关 passenger，还是可由 TF/区域性 genes 推动的 dosage-linked program？
结果
Activated TF 更常扩增；CEBPB dosage/KO/ChIP/CRISPRa 方向一致；chr11 Perturb-seq 同时削弱 epithelial、增强 mesenchymal program。
控制
S5 用 IMR90、亲缘结构和外部 WES/WGS 核对 CNV；S6 保留 chr8 负例并登记实际 perturbation coverage。
推论
支持 dosage-linked state regulation 和可检验 driver candidates；尚未完成 matched cancer CNV editing 的完整因果链。
局限
InferCNV 与 ATAC coverage 都可能受 expression/copy number 混杂；发现集、RPE1 和 HEK293T 背景不同。
Fig.3g-h据原文 Fig.3g-h 裁剪示意（低分辨率，仅供导读）。图像由 CC BY 4.0 主文裁剪；第三方材料边界以原图 credit line 为准，原始图与正式图注请回到出版社原文。 回到 DOI
CEBPB CNV/ATAC dosage 与 EMT pseudotime 相关，in-silico KO 推动 state shift。

Fig.3a-f,i-q · 省略 panel 的证据角色

把 hotspot/drug association、CEBPB binding/CRISPRa 与 chr11 multi-gene Perturb-seq 分开读；关联、binding、sufficiency 和区域扰动回答不同命题。

回原文核对 Fig.3

Fig.4 · AM 与 CM 的内在调控逻辑是否不同？

AM 偏 melanocytic/TGF-beta/低炎症 program，CM 偏 JAK-STAT/AP-1/IRF1/interferon program；两类 subtype GRN 指向不同 candidate loci。

问题
共同 melanoma lineage 之内，能否识别跨 cell line 和 patient 复现的 subtype-specific program 与 GRN？
结果
Program 11/4 在外部患者复现；JAK-STAT 是方向相反且区分 AM/CM 的关键 pathway；AM/CM network 分别富集谱系和炎症 TF。
控制
S7 比较 program 数、reconstruction、redundancy、membership stability、外部患者与 cell-cycle explanation。
推论
强支持 intrinsic subtype-state difference；CRE-TF-target edges 与 TGFBR1/NF1/HIF1A/BAG3 loci 仍是候选机制。
局限
发现集仅 10 AM/5 CM；oNMF 数量含人工解释；UV、部位和遗传背景与 subtype 耦合。
Fig.4c-d据原文 Fig.4c-d 裁剪示意（低分辨率，仅供导读）。图像由 CC BY 4.0 主文裁剪；第三方材料边界以原图 credit line 为准，原始图与正式图注请回到出版社原文。 回到 DOI
JAK-STAT 与 Type-I IFN activity 把 AM 的低炎症状态与 CM 的 inflamed state 区分开。

Fig.4a-b,e-k · 省略 panel 的证据角色

先看 15 programs，再分 AM/CM GRN workflow、TF/target enrichment 与代表 loci；网络边不能替代 enhancer perturbation。

回原文核对 Fig.4

Fig.5 · Intrinsic program 能否映射患者 TME 与免疫治疗结局？

AM-like program 与低 cytotoxic/high Treg/TGF-beta-rich TME 相关；只有 GRN-refined targets 而非 full programs 在部分 retrospective cohorts 中显示结局信号。

问题
Cell-line intrinsic subtype program 是否能跨越 bulk、patient scRNA、ligand-receptor 与 therapy cohorts？
结果
TCGA、9 例患者 TME 与多个治疗 cohort 给出方向一致但强度不一的关联；full-program negative result 被明确保留。
控制
S8 检查 tumor-cell specificity、purity 和 non-malignant residual；S9 重做 patient QC/annotation；S10 比较 full 与 GRN scores 及治疗背景。
推论
支持 subtype GRN biomarker hypothesis；不足以证明 tumor program 单向塑造 TME 或可直接临床决策。
局限
患者 scRNA 仅 6 AM/3 CM；response/survival 为小样本 retrospective subgroup，存在 selection、multiplicity 与 overfitting 风险。
Fig.5d-e据原文 Fig.5d-e 裁剪示意（低分辨率，仅供导读）。图像由 CC BY 4.0 主文裁剪；第三方材料边界以原图 credit line 为准，原始图与正式图注请回到出版社原文。 回到 DOI
患者单细胞 TME 显示 AM 的 T-cell dysfunction 与 macrophage/fibroblast suppressive programs。

Fig.5a-c,f-j · 省略 panel 的证据角色

把 TCGA correlation、ligand-receptor bridge、response 和 survival 分开读；尤其保留 full-program negative result 与 prior-CTLA-4 context。

回原文核对 Fig.5

Supplementary evidence 精读

S1-S10 分别承担技术、稳健性、负例、外部验证和临床边界；不是只有图号的附件清单。

Fig.S1 · Sequencing quality and modality balance

证据角色：建立 RNA/ATAC depth、TSSE 与 cell-count balance 的最低质量门槛。

解释边界：通过 QC 不代表所有 cell line 的 biology 等量可检出。

回原文 Supplementary Information 核对

Fig.S2 · Integration and meta-cell controls

证据角色：区分低质量 cluster、真实 intra-line state 与 meta-cell composition。

解释边界：部分 QC 含人工判断；失败细胞系 collapse 后可能损失异质性。

回原文 Supplementary Information 核对

Fig.S3 · GRN robustness and external transfer

证据角色：Downsampling、network topology、cell-line activation 与外部 EMT label transfer。

解释边界：外部数据验证 phenotype label，不是独立重建 ATAC-supported GRN。

回原文 Supplementary Information 核对

Fig.S4 · Intra-cell-line EMT heterogeneity

证据角色：以 permutation、cell cycle 与 differential ATAC/regulon 检验同一 cell line 内状态。

解释边界：缺少 lineage tracing 或 time course，状态仍由 signature/embedding 定义。

回原文 Supplementary Information 核对

Fig.S5 · RNA-inferred CNV validation

证据角色：正常二倍体、cell-line relationship 与外部 WES/WGS 共同核对 broad CNV。

解释边界：不能证明每个 gene-level call；expression state 与 CNV 仍可混淆。

回原文 Supplementary Information 核对

Fig.S6 · Hotspot positive/negative controls

证据角色：chr11/chr20 获 ATAC 支持，chr8 负例与 Perturb-seq coverage 防止只保留正结果。

解释边界：ATAC coverage 不是独立 DNA assay；区域内仍有未充分扰动的 genes。

回原文 Supplementary Information 核对

Fig.S7 · Melanoma program and GRN robustness

证据角色：比较 oNMF model selection、patient validation、cell-cycle control 与 subtype-network statistics。

解释边界：N=15 的 program 选择仍含人工解释，AM/CM cell-line 数不平衡。

回原文 Supplementary Information 核对

Fig.S8 · Tumor specificity and spill-over audit

证据角色：检查 programs 是否来自 melanoma cells、与 purity 是否一致、non-malignant residual 是否复现 subtype difference。

解释边界：Purity 和 residualization 不能移除全部 composition/confounding。

回原文 Supplementary Information 核对

Fig.S9 · Patient TME processing and interactions

证据角色：对 9 例患者数据执行 doublet/QC、annotation、DEG 与 CellPhoneDB。

解释边界：样本很小；ligand-receptor 是表达推断，不是功能性 signaling。

回原文 Supplementary Information 核对

Fig.S10 · Clinical signature context and negative results

证据角色：保留 full-program negative result，再比较 GRN score、prior therapy、external cohorts 与 Cox models。

解释边界：Retrospective subgroup 小且治疗背景特异；需要预注册外部验证。

回原文 Supplementary Information 核对

Supplementary Data / Source Data 索引

两个本地 workbooks 均已按 sheet 名、形状和证据角色审计；页面只保留 compact index，不复制原始大表。

6 filesLocal material roles

主文、S1-S10、Data 1-16 descriptor/workbook、Peer Review 与 Source Data 分开登记。

16 sheetsSupplementary Data workbook

从 cohort/markers/GRN，经 CNV，延伸到 melanoma programs、TME 与 ligand-receptor。

18 sheetsFigure-level Source Data

本地 sheet 名直接映射 Fig.2d-Fig.5g；Fig.5h-j 没有本地 sheet，不能声称逐点复算。

Local material roles · 6 files
  • Canonical main paper

    19 页出版版，Fig.1-Fig.5、Methods、Discussion 与 CC BY 4.0 的规范来源。

  • Supplementary Information

    20 页，含 Fig.S1-S10 与 supplementary reference。

  • Descriptor + workbooks

    MOESM2 描述 Data 1-16；MOESM3 为 16-sheet data workbook；MOESM6 为 18-sheet figure-level Source Data。

  • Excluded / missing

    MOESM5 是 Peer Review File，不进入科学证据链；Reporting Summary 未在本地提供。

19-page mainS1-S10Peer Review excludedReporting Summary absent
Supplementary Data workbook · 16 sheets
  • Data 1-7

    Cell-line metadata、RNA/ATAC markers、SCENIC+ triplets、AUCell、GRN clusters 与 activated regulons。

  • Data 8-9

    253,360-row InferCNV profile 与 108-row hotspot gene CNV-EMT/ATAC validation。

  • Data 10-13

    15 oNMF programs、DEG-refined Program 11/4、subtype TF-target network 与 peak-gene associations。

  • Data 14-16

    TCGA immune deconvolution、patient TME DEG 与 differential ligand/receptor genes。

Data 1-7 atlas/GRNData 8-9 CNVData 10-13 subtype GRNData 14-16 TME
Figure-level Source Data · 18 sheets
  • Fig.2 (5 sheets)

    Reference mapping、enrichment、pseudotime coordinates 与 regulon trajectories。

  • Fig.3 (3 sheets)

    TF/target amplification fractions 与 chr11 perturbation state/marker effects。

  • Fig.4 (7 sheets)

    Programs、classic states、PROGENy、subtype TF counts 与 target pathways。

  • Fig.5 (3 sheets)

    NK/Treg comparisons、patient TME pathway enrichment 与 ligand/receptor expression。

Fig.2d-2iFig.3b/3o/3pFig.4a/4b/4d/4f/4g/4i/4jFig.5c/5e/5g

方法与数据解释

这些数据能回答什么

  • 大规模描述 cell-line RNA 与 chromatin accessibility states。
  • 跨模态聚合后提出 TF-CRE-target candidates。
  • 用外部 DNA/chromatin/perturbation 数据核对部分 CNV-state candidates。
  • 把 melanoma intrinsic programs 映射到 bulk/scRNA TME。
  • 比较 full programs 与 GRN-refined signatures 的 retrospective association。

这些数据不能单独回答什么

  • 同一细胞内真正 paired RNA-ATAC causality。
  • EMT pseudotime 的真实时间与不可逆转换。
  • 全部 hotspot genes 的 DNA-level driver status。
  • tumor program 单向塑造 TME 的方向。
  • 固定 cutoff、前瞻校准和可直接使用的临床决策效用。

创新、可复用设计与下一步

主要创新

  • 把 60 个 cell lines 的 snRNA 与 snATAC 推进到可构建 GRN 的规模。
  • 同时保留 lineage-specific programs 与 cross-lineage EMT axis。
  • 把 CNV dosage、TF regulon 与多类外部 perturbation 放在同一框架。
  • 为罕见 AM 建立 CM 对照的 subtype GRN，并外推到 TME/therapy cohorts。

可迁移设计

  • Discovery multi-omics -> external transcriptome -> orthogonal DNA/chromatin -> perturbation -> patient cohort。
  • 保留 chr8 与 full-program negative results，避免只讲正结果。
  • 先无监督 program，再做 DEG/GRN refinement，并比较宽泛/精炼 signature。
  • 对 bulk signature 同时检查 tumor specificity、purity 与 non-malignant residual。
  • 以 claim -> panel -> source sheet 建立可审计数据合同。

优先下一步

  • 在 matched epithelial cancer models 中做 CEBPB copy-number editing/dosage titration，并同步测 RNA、ATAC 与 functional EMT phenotype。
  • 对 chr11 hotspot 做 combinatorial perturbation，检验多基因 dosage 的非加和效应。
  • 在 organoid/PDX/primary tumor 中做 time course 或 lineage tracing，检验 cluster 6-8 的动态可逆性。
  • 对 AM TGF-beta 与 CM JAK-STAT/IFN 轴做 tumor-TME co-culture、spatial 与 perturbation。
  • 在独立预注册队列锁定 GRN score、cutoff 和 prior-treatment strata，报告 calibration 与增量价值。