绝大部分的肿瘤研究单细胞研究我介绍过 [CNS图表复现08—肿瘤单细胞数据第一次分群通用规则](https://mp.weixin.qq.com/s/boUXvGv4OquOKX6mTBFubw)，这个第一次分群规则是 ：

• immune (CD45+,PTPRC),
• epithelial/cancer (EpCAM+,EPCAM),
• stromal (CD10+,MME,fibo or CD31+,PECAM1,endo)

这样 拿到了上皮细胞我们通常是走inferCNV去看其恶性与否，但是其实正常的上皮细胞仍然是可以细分亚群，比如标题是：《Decoding the multicellular ecosystem of lung adenocarcinoma manifested as pulmonary subsolid nodules by single-cell RNA sequencing》，访问链接是：https://advances.sciencemag.org/content/7/5/eabd9738 ，发表在 Science Advances 27 Jan 2021:

来自于正常的肺的上皮细胞约2000个，可以分成如下所示的5个亚群：

• alveolar type I cell (AT1; AGER+)
• alveolar type II cell (AT2; SFTPA1)
• secretory club cell (Club; SCGB1A1+)
• basal airway epithelial cells (Basal; KRT17+)
• ciliated airway epithelial cells (Ciliated; TPPP3+)

可以看到，基本上主要是 AT1和AT2这两个亚群，它们各自的标记基因如下所示：

基本上细分亚群的结果展示跟第一次分亚群是类似的， 图例如下：

• (A) Clustering of 1997 epithelial cells from nLung (n = 6). Each dot corresponds to a single cell, colored according to cell type.
• (B) Canonical cell markers were used to label epithelial subtypes as represented in the UMAP plot.
• (C) Sample distribution in each cluster. Each bar corresponds to one cell type cluster, colored according to the samples.

如果大家还记得我的《CNS图表复现专题》，目录如下：

• CNS图表复现01—读入csv文件的表达矩阵构建Seurat对象
• CNS图表复现02—Seurat标准流程之聚类分群
• CNS图表复现03—单细胞区分免疫细胞和肿瘤细胞
• CNS图表复现04—单细胞聚类分群的resolution参数问题
• CNS图表复现05—免疫细胞亚群再分类
• CNS图表复现06—根据CellMarker网站进行人工校验免疫细胞亚群
• CNS图表复现07—原来这篇文章有两个单细胞表达矩阵
• CNS图表复现08—肿瘤单细胞数据第一次分群通用规则
• CNS图表复现09—上皮细胞可以区分为恶性与否
• CNS图表复现10—表达矩阵是如何得到的
• CNS图表复现11—RNA-seq数据可不只是表达量矩阵结果
• CNS图表复现12—检查原文的细胞亚群的标记基因
• CNS图表复现13—使用inferCNV来区分肿瘤细胞的恶性与否
• CNS图表复现14—检查文献的inferCNV流程
• CNS图表复现15—inferCNV流程输入数据差异大揭秘
• CNS图表复现16—inferCNV结果解读及利用

这个数据集配套的文章里面对肺水平相比分群要多的太多了：

其中D图是细胞比例，可以看到主要是肿瘤恶性细胞，其次才是各种各样的正常肺水平细胞的各个亚群，图例如下：

• (D) Bar plot of cell counts for annotated epithelial cells.
• (E) Bar plot of the number of unique genes across all annotated epithelial cell types.

这些正常肺水平细胞的各个亚群理论上都是有自己的特殊的标记基因的，需要大家自行仔细阅读文献哦！