Campbell et al. 的 Arc-ME 下丘脑单细胞图谱适合用来讲一个很常见、但容易写过头的脑区单细胞问题：神经肽 marker 可以帮助我们识别 Agrp、Pomc、Kiss1、Sst、Ghrh 等相关神经元状态，也能把 tanycyte、胶质、血管和免疫/PVM 群体拆开；但表达矩阵本身不能直接推出神经环路活动、摄食行为或空间生态位。本文的重点放在把每个 cluster 重新命名一遍；审计“细胞类型证据”和“功能机制解释”之间的边界。
为什么选这篇文献？
脑区单细胞项目有一个很典型的痛点：marker 名字往往和功能名词挨得很近。看到 Agrp/Npy，容易马上写成摄食调控；看到 Pomc/Cartpt，容易马上写成能量代谢；看到 Kiss1/Tac2，容易马上写成生殖轴；看到 tanycyte marker，又容易写成血脑屏障或脑室周围生态位。问题是，单细胞转录组可以支持细胞身份、状态和 marker 层级，却不能单独证明环路活动或行为机制。
Campbell et al. 2017 年 Nature Neuroscience 的 A molecular census of arcuate hypothalamus and median eminence cell types 是下丘脑弓状核/正中隆起（Arc-ME）经典图谱。它有神经元、tanycyte、胶质、血管、PVM/microglia 等丰富细胞类型，也有 Chow、Fast、HFD、Refed 等饮食/喂养 metadata。它非常适合用来展示：经典脑区图谱复现时，应该怎样把 marker 层级讲清楚，同时把“不能过度解释”的地方讲具体。
论文和数据来源
论文、数据和公开矩阵信息如下。这里先把来源和矩阵层级交代清楚。
| 项目 | 内容 |
|---|---|
| 论文 | Campbell et al. A molecular census of arcuate hypothalamus and median eminence cell types |
| 发表信息 | Nature Neuroscience, 2017 |
| DOI | 10.1038/nn.4495 |
| PubMed | 28166221 |
| 公开数据 | GSE93374 |
| 公开矩阵 | GEO DGE matrix + cell metadata |
公开矩阵进入分析前，先确认数据层级和规模。
| 项目 | 数值 |
|---|---|
| 公开矩阵与 metadata 匹配细胞 | 21,086 |
| 过滤后用于分析的基因 | 19,743 |
| 作者标签中的神经元细胞 | 13,079 |
| tanycyte 相关细胞 | 4,688 |
| Chow/Fast/HFD/Ch10/Refed 条件标签 | 5 |
复现边界： 本文使用 GEO 公开
Merged_all_020816_DGE.txt.gz和cell_metadata.txt.gz。series matrix 描述中提到原始 DGE 和批次校正/去 doublet 版本；本次实际下载并解析的 DGE header 与 metadata 匹配 21,086 个最终细胞。这里做的是公开矩阵和作者 metadata 层面的表达图谱复现，不等于 FASTQ 级重新比对，也不包含空间坐标、神经活动记录或行为实验。
方法和分析流程
本文的处理顺序从数据层级开始：下载 GSE93374 的 DGE 矩阵、cell metadata 和 series matrix，核对 PubMed、DOI、样本设计和数据处理说明；从 metadata 中重建 a、s、n cluster code 到作者注释名的映射，避免把 a18、n13 这类 code 直接当生物学标签；保留 DGE 与 metadata 可匹配的 21,086 个细胞，计算 total counts、detected genes 和宽松矩阵层级 QC；做 library-size normalization、log1p、高变基因筛选、PCA、UMAP 和矩阵层面的 KMeans 状态划分；构建神经元、Agrp/Npy、Pomc/Cartpt、Kiss1/Tac2、Sst/Nts/Ghrh、dopamine/Th、tanycyte/ependymal、胶质、血管、免疫/PVM 等 signature，逐图审计 marker 是否支持公开标签。这组处理先确认公开矩阵能支撑哪些问题，再把结果图解释限制在当前证据内。
数据规模：先确认这是否可复现的图谱
这份公开矩阵包含 26,774 个基因和 21,086 个与 metadata 匹配的细胞。按作者注释重建 broad class 后，神经元是最大部分，共 13,079 个；tanycyte 相关细胞 4,688 个；此外还有 ependymal、oligodendrocyte、OPC、astrocyte、endothelial/mural、immune/PVM、fibroblast 和 pars tuberalis 等群体。
图 1. 公开 metadata 中 broad class 的规模分布与矩阵层级 QC。由于 GEO 文件本身已经按 detected genes 等标准生成，本文不再套用没有公开说明的额外严格过滤，要把 QC 作为数据可读性检查。
这张图先用于核对输入层级。细胞数、基因检测量、样本标签和矩阵层级如果没有对齐，后面的降维、marker 和组成分析都只能算可视化，不能作为复现结论。
这个图的作用不等于“证明质量很好”这么简单；给后续所有解释定边界：神经元和 tanycyte 数量足够做 marker 层级复现；astrocyte、fibroblast 等较小群体可以做身份 sanity check，但不适合过度展开亚群机制。
UMAP 背景：细胞大类清楚，饮食标签不能直接当机制
UMAP 按作者 broad class 着色后，神经元、tanycyte、胶质、血管/周细胞、免疫/PVM、pars tuberalis 等结构比较清晰。右图按 diet/feeding metadata 着色，可以看到 Chow、Fast、HFD、Ch10 和 Refed 标签在多个区域混合。
图 2. 左图支持 broad cell-class taxonomy 的可复现性；右图提示饮食/禁食/复食标签不能只凭 UMAP 位置解释为机制差异。饮食条件与批次、样本、性别和 pooled mice 设计有关，后续只能谨慎讨论表达线索。
低维结构只回答表达空间是否可读。颜色或区域分开说明标签、阶段或状态和表达矩阵存在对应关系；它还不能单独证明谱系方向、空间位置、机制强弱或最终命运。
对很多旧脑区项目来说，这张图很有现实意义。用户常常想问“禁食是否改变了某个神经元群体”，但如果没有先审计样本、批次和标签混合情况，就容易把技术结构或样本组成写成生物机制。
矩阵状态：无监督结构不等于功能状态
为了不完全依赖作者标签，本文用高变基因 PCA 后的矩阵结构做了 10 个无监督状态。这个图用于辅助判断：作者 broad class 是否和表达结构一致，以及哪些区域可能存在更细的子结构。
图 3. 矩阵层面的状态能把 UMAP 上的大区域进一步切开，但这些状态本身不等于功能命名。它们更适合提示后续该在哪些 broad class 里做 marker 审计，而不能直接写成“摄食状态”“分泌状态”或“环路状态”。
这类图的读法是先看结构是否和 metadata 对得上，再看 marker 是否能解释这些区域。UMAP/PCA 提供入口，结论还要回到基因和样本层面确认。
这一步也是复现文章需要写清楚的地方：无监督聚类是发现结构的工具，不能直接产生生物结论。脑区数据尤其如此，因为一个 cluster 名字可能很容易被读者联想到复杂功能。
marker dotplot：先把细胞身份层级站稳
Arc-ME 图谱的基础不等于单个神经肽 marker；完整的细胞身份层级。我们把神经元、兴奋/抑制相关基因、神经肽相关基因、tanycyte/ependymal、astrocyte、oligodendrocyte、OPC、endothelial/mural、microglia/PVM 和 fibroblast marker 放在同一张 dotplot 中。
图 4. 神经元群体中 Snap25、Syt1、Rbfox3 等更明显；tanycyte 中 Rax、Dio2、Slc16a2 更强；ependymal 中 Foxj1 和 Aqp4 等信号突出；oligodendrocyte/OPC、血管、免疫/PVM 和 fibroblast 也有对应 marker。这个图说明公开标签不只靠 cluster code；能被 marker panel 支持。
这类图要按成组证据来读。单个基因或局部高表达只能提供线索，只有 marker panel、signature score、metadata 和组成信息互相支持时，才适合写成细胞身份、状态或谱系倾向。
这张图是后续写神经肽亚群的前提。只有 broad identity 先稳住，Agrp/Pomc/Kiss1 等细胞内部解释才有意义。否则，很容易把非神经元背景或 doublet-like 边界写成神经元亚型。
神经元亚群：Agrp、Pomc、Kiss1 等是身份线索，不等于行为证明
作者 metadata 中提供了 n 开头的 neuron subcluster code。重建映射后，较多的标签包括 Agrp/Gm8773、Tmem215、Nr5a1/Adcyap1、Kiss1/Tac2、Sst/Unc13c、Agrp/Sst、Pomc/Ttr、Ghrh 等。我们把这些 top neuron labels 与几个神经肽程序分数放在一起看。
图 5. Top neuronal labels 和 neuropeptide signature 之间存在可读对应关系，例如 Agrp/Npy、Pomc/Cartpt、Kisspeptin/Tac2、Sst/Nts/Ghrh 等程序在相应标签中更突出。这里支持的是表达身份层级，不等于证明这些细胞在当前条件下驱动具体行为。
这说明这篇文章最需要讲清楚的痛点。对于研究者来说，看到 Agrp、Pomc、Kiss1 当然会联想到能量稳态、生殖轴、内分泌调控；但公开矩阵层面的复现应该写成“神经肽 marker 支持某些细胞身份/状态”，而不等于“这些细胞导致了某个行为变化”。
神经肽 marker 投影：看空间结构，但不要把 UMAP 当真实空间
随后把 Agrp、Npy、Pomc、Cartpt、Kiss1、Tac2、Sst、Ghrh、Th 投影到 UMAP 上。
图 6. 多个神经肽 marker 在神经元区域呈现局部富集，说明它们能帮助拆分 Arc-ME 神经元亚群。但 UMAP 上的相邻或分离只代表转录组相似性，不能解释为真实解剖距离、突触连接或发育路径。
低维结构只回答表达空间是否可读。颜色或区域分开说明标签、阶段或状态和表达矩阵存在对应关系；它还不能单独证明谱系方向、空间位置、机制强弱或最终命运。
这类图特别容易被误读。UMAP 是一个二维嵌入，不等于 Arc-ME 空间切片。它能帮助我们找到 marker-rich 区域，也能展示亚群关系，但不能告诉我们这些细胞在正中隆起或弓状核中的精确位置。
tanycyte、胶质、血管和免疫/PVM：非神经元部分同样关键
Arc-ME 不只是神经元图谱。tanycyte/ependymal、astrocyte、oligodendrocyte、OPC、endothelial/mural、microglia/PVM 和 fibroblast 都会影响这类脑区数据的解释。下面把 Rax、Dio2、Slc16a2、Foxj1、Ttr、Aqp4、Cldn5、Pdgfrb、C1qa 放到 UMAP 上。
图 7. Rax/Dio2/Slc16a2 支持 tanycyte 相关区域，Foxj1/Ttr/Aqp4 等帮助解释 ependymal/astrocyte 相关信号，Cldn5、Pdgfrb、C1qa 分别提示血管、周细胞/平滑肌和免疫/PVM 背景。非神经元群体不等于噪声； Arc-ME 图谱解释的一部分。
这里要先看数据本身是否站得住。公开矩阵能保留多少 metadata、检测深度是否均衡、样本分组是否清楚，决定了后续结论能写到哪一层。
对于项目复现来说，这部分经常决定文章质量。只讲神经元会显得“热闹”，但如果不说明 tanycyte 和血管/免疫背景，读者很难判断哪些结果是神经内分泌相关线索，哪些其实是组织微环境或样本组成。
样本和饮食组成：能看线索，但不能跳到因果
GSE93374 包含 Chow、Fast、HFD、Ch10 和 Refed 等条件，也包含 6 个 batch。我们把 broad class 按 sample_group 和 diet 做组成图。
图 8. 样本和 diet 维度的 broad class 组成存在差异，但这些差异和 batch、pooling、性别及采样设计交织在一起。公开复现可以提示哪些条件值得深入分析，但不能把组成差异直接写成饮食导致的神经元机制。
组成和交叉表需要回到采样、分选和处理流程里解释。它能说明当前公开矩阵中哪些群体被观察到、哪些标签互相吻合，但不能直接外推成组织真实比例、临床差异或完整空间生态。
如果要继续深入饮食效应，下一步需要更严格的样本级或 pseudo-bulk 设计，最好结合原文实验设计和重复结构。本文保留这张图，是为了告诉读者：metadata 有价值，但 metadata 不等于机制结论。
signature sanity check：用 score 反查 broad identity 是否合理
结尾处把几个 broad signature score 在不同 broad class 中展开。这个图不等于为了做差异检验，用于确认 marker panel 和作者标签是否互相支持。
图 9. 神经元、tanycyte/ependymal、astrocyte、oligodendrocyte、endothelial/mural 和 microglia/PVM 等 signature 在相应 broad class 中整体抬高。这个 sanity check 支持公开 metadata 的基本可读性，也说明后续亚群解释应该建立在 marker panel 上，而不只看一个 cluster name。
这类图要按成组证据来读。单个基因或局部高表达只能提供线索，只有 marker panel、signature score、metadata 和组成信息互相支持时，才适合写成细胞身份、状态或谱系倾向。
这张图也提示了一个实际服务场景：如果一个旧项目只有粗标签，重做 marker panel 和 signature audit 往往能发现标签是否可靠、哪些群体需要重注释、哪些图可以整理成汇报材料。
复现边界：哪些能说，哪些不能说
图 10. 本文支持公开 DGE 矩阵和 metadata 层面的细胞身份、marker 层级、神经肽表达线索和组成审计；但不支持仅凭表达矩阵推断摄食行为、内分泌因果、神经环路活动或精确空间生态位。
这里的重点是限制结论强度。公开矩阵能支持表达结构、marker 和 metadata 层面的复核；更强的机制、空间、功能或临床判断，需要 raw reads、原文模型、空间/病理信息或实验验证继续补证据。
边界不等于为了削弱文章，用于让文章更严肃。更需要保留的复现不能把所有原文结论都照搬；明确哪些结果能从公开矩阵复现，哪些需要空间、功能、行为或 FASTQ 级重跑来补证据。
与源论文主线的对照
本次复现与源论文主线一致的地方包括三点。
第一，Arc-ME 公开矩阵可以复现出主要细胞类型层级。神经元、tanycyte、ependymal、oligodendrocyte、OPC、astrocyte、vascular/mural、immune/PVM 和 fibroblast 等群体都有 marker 支持。
第二，神经元内部的 neuropeptide marker 结构可读。Agrp/Npy、Pomc/Cartpt、Kiss1/Tac2、Sst/Nts/Ghrh、Th 等基因能在 UMAP 和 top neuron labels 中形成层次，说明公开 metadata 中的 neuron subcluster 不等于纯粹的编号。
第三，饮食/禁食/复食相关 metadata 提供了后续深入方向，但公开矩阵层面的复现不能直接替代原文更完整的实验设计和功能解释。尤其是 batch、sex、pooled mice 和 condition 共同存在时，必须避免把观察到的组成差异直接写成机制。
深度解读：证据链和解释边界
回答范围：Arc-ME 公开 DGE 矩阵是否足以重建一个可信的细胞类型和神经肽 marker 证据链。答案是可以。21,086 个细胞、19,743 个过滤后基因、13,079 个神经元和 4,688 个 tanycyte 相关细胞，足以支持一篇图谱层面的严肃复现。
raw / processed matrix 边界：本文使用的是 GEO 公开 DGE 矩阵和 cell metadata。它适合做 marker、UMAP、composition、signature 和作者标签审计。它不能替代 FASTQ 级重新比对，也不能回答剪接、变异、空间定位、神经活动或行为因果问题。
主要图读法：图 1-2 是数据规模和 broad taxonomy；图 3 是无监督结构；图 4 是 broad marker 证据；图 5-6 是神经肽亚群证据；图 7 是 non-neuronal Arc-ME 背景；图 8 是样本/饮食组成边界；图 9 是 signature sanity check；图 10 是结论审计。
不能过度解释的部分：不能把 Agrp/Pomc/Kiss1 等 marker 直接写成行为改变，不能把 UMAP 相邻关系写成真实空间距离，不能把 diet 组成差异写成饮食因果机制，不能把 matrix_state 写成新的功能状态。更准确的写法是：这些结果提示哪些细胞身份和表达线索值得继续验证。
继续深入的下一步：可以围绕 Agrp/Pomc/Kiss1 等 neuron labels 做 sample-aware pseudobulk 或分层 score；可以把 tanycyte 亚群和 vascular/ependymal 背景单独拿出来重注释；可以结合原文或外部空间/功能数据验证 Arc-ME 微环境；也可以把这套 marker panel 用于私有下丘脑或脑区单细胞项目的重分析。
对类似项目有什么启发？
这篇数据给旧脑区单细胞项目一个很实际的启发：最有价值的不能把 UMAP 重画出来，要把“能从表达矩阵支持的细胞身份”和“还需要其他证据的机制解释”分开。这样文章既有可读性，也不牺牲严谨性。
- 痛点 2：Agrp、Pomc、Kiss1 等神经肽 marker 能支持亚群身份，但不等于行为实验。
- 痛点 3：tanycyte、胶质、血管和免疫/PVM 背景决定了 Arc-ME 图谱是否解释完整。
- 痛点 4：饮食/禁食/复食 metadata 有价值，但要按样本、批次和性别边界谨慎阅读。
小结
Campbell et al. GSE93374 的公开 Arc-ME DGE 矩阵可以复现出清晰的下丘脑细胞层级和神经肽 marker 结构：21,086 个匹配细胞中，神经元 13,079 个，tanycyte 相关细胞 4,688 个，Agrp/Npy、Pomc/Cartpt、Kiss1/Tac2、Sst/Nts/Ghrh 等程序能在神经元亚群中形成可读证据链。
这篇复现最重要的价值不等于“图谱重画成功”；展示了脑区单细胞文章应该怎样写得稳：marker 支持细胞身份，signature 提供表达线索，composition 提示后续分析方向，而环路活动、摄食行为、空间生态位和因果机制必须留给更强的数据层级。对有类似公开或私有脑区单细胞项目的研究者来说，这类复现可以把旧数据整理成更清楚的注释表、marker 解释、汇报图和后续深挖问题。