美国圣路易斯华盛顿大学的Li Ding团队是TCGA计划的重要发起者和参与者，而TCGA计划大家都很熟悉了，在2012附近就产出了几十篇CNS文章，而且在2018和2020又产出了一两百的CNS子刊级别的TCGA数据挖掘成果，非常的厉害！
最近（2023年底）他们又在《Nature》杂志上合作发表了题为 《Epigenetic regulation during cancer transitions across 11 tumour types》的文章，主要是使用了snATAC-seq与snRNA-seq两个单细胞技术，量化了十几个癌症的两百多个病人的样品。可以理解为单细胞层面的TCGA计划？或者说是TCGA计划的单细胞衍生？

让我们一起来看看这个资源吧，是泛癌层面的表观调控单细胞多组学！首先看样品数量，总共是： 225 samples from 201 patients across 11 cancer types

• 158 primary and 52 metastatic tumour samples and 15 normal adjacent tissues (NATs)
• snATAC-seq analysis of all 225 samples, along with paired single-cell or single-nucleus RNA-seq (sc/snRNA-seq) for 206 of these samples
  当然了，并不全部是新产出的数据，还纳入了之前的研究的一些数据，包括：
• 14 scRNA-seq multiple myeloma (MM) samples,
• 10 snRNA-seq PDAC samples,
• 14 snRNA-seq glioblastoma (GBM) samples,
• 28 snATAC-seq and 27 snRNA-seq clear-cell renal cell carcinoma (ccRCC) samples
  让我们首先看看snATAC-seq的数据分析情况：
• The snATAC-seq data encompassed 1,019,175 nuclei from the 225 samples (mean nuclei per sample, 4,530)
• averaging 126,196 ACRs （accessible chromatin regions）per sample, with most appearing in intronic (49%), distal intergenic (30.8%) and promoter (8.6%) regions, as expected (
  因为有配套的单细胞转录组数据，所以很容易做细胞亚群注释，联合起来是 sc/ snRNA-seq data yielded 1,157,955 cells or nuclei,
• 250,222 immune,
• 69,684 stromal,
• 69,506 normal epithelial
• 588,895 cancer cells
  详细的数据情况，可以自行阅读文献：
  
  虽然说数据本身都是在dbGaP里面，需要申请后才有可能访问：
• Sequencing data are part of Human Tumour Atlas Network (HTAN) dbGaP Study accession phs002371.v3.p1
• Clinical Proteomic Tumour Analysis Consortium (CPTAC) dbGaP Study accession phs001287.v17.p6.
  但是也网页工具可以访问：https://data.humantumoratlas.org/
  
  另外，值得一提的是这些样品本身也有肿瘤外显子数据：Bulk whole-exome sequencing (WES) data were also generated for 195 samples ，所以文献的method里面有大量的肿瘤外显子数据分析环节描述：
  

  我们在《生信菜鸟团》有一个专栏：《肿瘤外显子》
  该专栏的目录（节选）如下：

• （一）读文献并且下载测序数据
• （二）质控与去接头
• （三）比对
• （四）比对结果的质控
• （番外篇）bam文件载入igv可视化
• （五）GATK的最佳实践
• （六）vcf文件的注释及ANNOVAR的使用
• （七）maftools可视化
• （八）不同注释软件的比较（上）：安装及使用
• （八）不同注释软件的比较（中）：注释后转成maf文件
• （八）不同注释软件的比较（下）：可视化比较maf文件
  虽然落脚点是肿瘤外显子的数据分析，但是掌握了这个系列里面的软件安装和数据库资源配置之后，处理普通的外显子数据也不在话下！