这是一篇围绕 Chung et al. 乳腺癌单细胞 RNA-seq 公开数据的深度复现记录。本文不会只停在一张降维图；重点是从论文和数据入口、processed TPM 矩阵、metadata 标签、细胞质量概览、肿瘤/免疫/基质 compartment、marker 证据、signature score 和复现边界几个层面，把一组经典肿瘤单细胞数据整理成可以检查的科研笔记。
科学更正（2026-07-19）： 早期页面曾直接沿用公开细胞名中的
BCxx/BCxxLN，没有明确区分 cell-name specimen prefix 与临床样本信息；未经独立临床关联表支持的对应解释不再采用。本文现统一称为 specimen prefix 和 LN suffix hint。分析从 processed TPM 和 final sample information 生成 515 个单细胞的 QC、PCA、t-SNE、k-means、marker 与 score，得到 13 个 cell-name specimen prefixes，其中BC03LN和BC07LN带 LN 后缀。图 9 按 compartment 汇总：上皮分数只在 Tumor 标签内、T/NK 与 checkpoint 分数只在 T cell 标签内、myeloid/APC 只在 Myeloid 内、CAF/ECM 只在 Stromal 内计算。
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 | Chung et al. single-cell RNA-seq of primary breast cancer |
| 发表信息 | Nature Communications, 2017 |
| DOI | 10.1038/ncomms15081 |
| 公开数据 | GSE75688 |
这篇文章的价值来自，它较早地把乳腺癌组织中的恶性上皮细胞、免疫细胞和基质细胞放到单细胞表达层面一起观察。对今天的肿瘤单细胞复现来说，它仍然适合作为一个教学型案例：数据规模不算巨大，metadata 标签清楚，公开 GEO 文件可直接下载，且足以展示肿瘤微环境复现中最容易混淆的几个问题。
本文使用 GEO 补充文件中的 processed TPM matrix 和 final sample information，没有执行 FASTQ 层面的重新比对、read-level mapping、UMI 去重或细胞条形码筛选。分析范围限定在作者公开表达矩阵与 metadata 可支持的结构复核。
这里要特别说明 processed TPM 的含义。它是作者已经处理过的表达矩阵，适合复核表达结构、marker 方向、样本标签和主要 compartment；它不适合重新定义细胞过滤阈值，也不能恢复 read-level QC、比对率、重复读去除、细胞捕获过程或原始 count 层面的统计建模。对于 2017 年左右的早期肿瘤单细胞数据，这个边界尤其重要，因为很多公开文件更接近“可读表达表”，不是现在常见的完整 10x count + metadata 对象。
这也决定了本文的写法。公开矩阵可用于恢复 Tumor、T cell、B cell、Myeloid、Stromal 等主要结构，marker dotplot 和 feature panel 可用于检查作者标签，specimen prefix 可用于观察捕获组成差异。新的临床分型、治疗反应预测或机制闭环超出当前证据范围。
为什么这篇适合做深度复现？
乳腺癌单细胞数据的难点不只是“肿瘤细胞在哪里”。需要拆开的至少有四层：
- 肿瘤上皮细胞与非肿瘤细胞的边界。
- 非肿瘤细胞内部的 T/B 细胞、髓系和基质结构。
- 细胞名 specimen prefix 之间采样量和细胞组成的差异。
- 公开 processed matrix 能支持哪些结论，不能支持哪些机制推断。
如果只把所有细胞画到一张 t-SNE 或 UMAP 上，很容易把 metadata 标签、聚类结构和机制解释混成一件事。本文按“数据来源 - metadata - 降维 - marker - score - composition - 边界”的顺序展开，是为了让每一步都能被追溯。
Chung 这组数据只有 515 个单细胞，不足以支撑复杂的临床分层模型，却足够展示肿瘤单细胞复现中常见的判断错误。Tumor 细胞和非肿瘤细胞在表达空间里分开，不能说明每个 specimen prefix 都获得充分采样；T cell 或 checkpoint marker 出现，不能直接写成免疫逃逸机制；Stromal/ECM score 较高，也不能替代空间位置或组织学验证。
这篇文章把重点放在早期肿瘤单细胞公开矩阵的证据核查：数据如何进入分析，metadata 如何限制结论，marker 如何支撑主要 compartment，specimen prefix 如何影响组成读法，processed matrix 如何约束后续统计。
这篇数据的主要判断风险
这篇数据最容易被误读的地方，是把 Tumor 标签等同于完整恶性细胞判定。公开 metadata 中的 Tumor 细胞标签很有价值，但本文没有从原始 reads 或 CNV 重新推断恶性身份。EPCAM/KRT/MUC1 等上皮相关 marker 可以支持肿瘤/上皮方向，却不能替代拷贝数推断、病理确认或更完整的恶性细胞模型。
第二个风险是把小样本组成图写成真实组织比例。不同 specimen prefix 的细胞数差异明显，单细胞捕获和挑选过程也会影响各 compartment 的观测比例。某个 prefix 中 Tumor 细胞较多，或另一个 prefix 中免疫细胞较多，只能说明公开矩阵中的捕获组成不同。病理比例、微环境浸润强弱或临床分型需要更多独立标本和组织层面证据。
第三个风险是把 signature score 写成机制。checkpoint、cytotoxic、CAF/ECM、myeloid/APC 这些 score 可以帮助读图，但它们是 marker gene set 的表达压缩。score 的作用是提示“哪个方向值得继续看”，不能单独证明免疫抑制、基质重塑、侵袭增强或治疗响应。
分析流程
本文的处理顺序从数据层级开始：从 GEO 下载 processed TPM matrix 和 final sample information；只保留 metadata 中标注为单细胞且能映射到矩阵列名的 515 个样本；对 20,242 个 protein-coding genes 按 gene symbol 求和；使用 log1p(TPM)，选取方差最高的 2,000 个基因，经过 30 维 PCA 后运行 t-SNE（perplexity 30，random state 42），并在前 20 个 PC 上运行 8 类 k-means（n_init 50）；随后生成作者标签、marker、feature、composition 和 compartment-specific score 图。provenance manifest 记录输入、脚本、参数、表、图、软件版本与 SHA256。
数据规模和 metadata 结构
公开矩阵进入分析前，先确认数据层级和规模。
| 项目 | 数值 |
|---|---|
| single cells retained | 515 |
| protein-coding genes | 20,242 |
| cell-name specimen prefixes | 13 |
| metadata Tumor cells | 317 |
GSE75688 的公开矩阵中既包含 pooled 样本，也包含单细胞样本。本文只保留 final sample information 中 type = SC 且能够映射到表达矩阵列名的细胞。这样做的目的很直接：pooled 样本可以帮助理解实验设计，但不能和单细胞列混在一起做降维聚类。
图 1. 左侧为公开 metadata 中的主要细胞标签，右侧为 13 个 cell-name specimen prefixes 的细胞数。Tumor 细胞占比较高，同时也能看到 B cell、T cell、myeloid 和 stromal 细胞。
这张图回答的是来源和比例问题。它适合用来发现样本不平衡、分组偏移或需要子集分析的地方；更强的生物学解释还要结合原文设计和额外证据。
这个概览先回答公开数据是否保留肿瘤与微环境主要结构。答案是肯定的，但它不是均匀的大队列采样。不同 specimen prefix 的细胞数并不一致，后续 composition 只能解释为公开矩阵中的捕获组成，不能直接写成乳腺癌真实组织丰度。
图 1 还提醒我们，metadata 本身就是复现对象的一部分。需要确认哪些列是 single cell，哪些是 pooled/bulk，哪些细胞能和 final sample information 对上，哪些 specimen prefix 的细胞数过少。没有这一步，后面的 t-SNE、marker 和 composition 会失去采样上下文。
这组数据里 Tumor 标签占比较高，非肿瘤 compartment 也能保留下来。这个结构适合展示恶性上皮、免疫和基质成分，但不适合在每个 specimen prefix 下展开细粒度亚群解释。本文把 prefix 差异作为采样线索，机制分析留给更完整的临床 metadata 和独立样本。
质量概览：processed TPM 能看什么？
图 2. 按作者标签比较 detected genes、total TPM 和 mitochondrial TPM fraction。这里检查的是 processed matrix 的表达可读性，没有恢复 FASTQ 比对或 UMI 层面的原始质控。
processed TPM matrix 的优势是容易复现和解释，限制也很明显：我们可以检查每个细胞表达了多少基因、总体表达量是否离群、不同 metadata 标签之间是否有明显质量差异；但不能重做原始 reads 比对，不能重新定义细胞过滤阈值，也不能从这里恢复完整的测序饱和度和 mapping 指标。
图 2 的作用是给后面所有图一个质量背景。若某个 metadata 标签的 detected genes 明显更低，或者 total TPM 分布异常，后续 marker 和 score 就要谨慎。processed TPM 没法让我们回到原始测序层面修正这些问题，但可以帮助识别哪些结果可能受表达可读性影响。
对早期单细胞数据来说，这一步不能省。2017 年前后的数据常常来自不同平台和处理流程下的表达表，并不一定是高通量 droplet count matrix。直接套用现代 10x 的 QC 语言会不准确。本文只说 processed matrix 层面的表达可读性检查，不把它写成完整 raw-data QC，这样才和数据层级匹配。
specimen prefix 对降维结构的影响
图 3. t-SNE 按细胞名解析的 specimen prefix 着色。这些前缀用于观察来源结构，没有经过独立临床关联表核验。
这张图提醒我们：肿瘤数据的结构不只来自细胞类型，也可能来自标本来源、取样环境和实验批次。Chung 数据规模不大，图中可以描述 specimen-prefix-associated structure，不能把每一个 prefix 富集区域直接解释为确定的临床机制。
specimen-prefix effect 可能混合生物差异、组织来源、处理流程和捕获数量。图 3 先把这些结构暴露出来，避免把所有低维分离都解释成细胞类型差异。
在项目报告中，这张图适合放在 marker 图之前。如果某个 t-SNE 区域主要来自一个 specimen prefix，后面的 marker 或 score 差异就要回到来源结构中解释。对于小规模肿瘤数据，来源 context 往往比增加 cluster 数更值得先核对。
metadata 标签能否恢复主要 compartment？
图 4. t-SNE 按公开 metadata 的 Tumor、Tcell、Bcell、Myeloid、Stromal 等标签着色。主要 compartment 可以在表达空间中分开，说明公开标签和表达结构大体一致。
低维图只能说明表达空间的相似性。群体分开、阶段相邻或标签聚集，可以支持后续检查 marker 和组成，但不能单独写成谱系方向、空间位置或机制强弱。
可以看到，Tumor 细胞与免疫/基质相关细胞在表达空间中有明显分离，B/T/myeloid/stromal 也有各自位置。这个结果与源论文主线一致：乳腺癌组织由恶性上皮细胞和多类非肿瘤细胞共同构成，不能把它简化成单一肿瘤细胞团。
图 5. 同一表达空间上的 8 类 k-means reference。它只用于检查 metadata 标签之外的表达结构，不充当最终注释。
无监督 cluster 的作用是提供一个独立参照。若某个 metadata 标签跨多个 cluster，可能说明该类细胞内部存在状态差异；若多个标签混在一个 cluster，则需要回到 marker 表达判断是技术近邻还是生物学相近。本文不把 k-means cluster 当作最终 taxonomy。
图 4 和图 5 要一起读。metadata 标签告诉我们作者如何整理这些细胞，无监督 cluster 则检查表达矩阵自己呈现出的结构。两者一致时，说明主要 compartment 比较稳；两者不一致时，需要回到 marker、质量指标和 specimen prefix 查原因。
这个逻辑对肿瘤数据很有用。Tumor 细胞可能因为 specimen-prefix-associated structure 或恶性程序差异跨多个 cluster，T/NK 或髓系细胞也可能因为激活状态不同而分散。k-means cluster 不能直接充当最终细胞类型；无监督结构仍可用于发现 metadata 标签内部的异质性线索。
marker 证据：不要只相信标签
图 6. marker dotplot 汇总主要 compartment 证据。EPCAM/KRT8/KRT18/KRT19/MUC1 支持上皮/肿瘤方向，CD3D/CD3E/NKG7/GNLY/CCL5 支持 T/NK，MS4A1/CD79A/CD74/CD37/CD79B 支持 B cell，LYZ/FCER1G/CTSS/LST1/TYROBP 支持髓系/APC，COL1A1/COL1A2/DCN/LUM/COL3A1 支持基质。checkpoint panel 单列 PDCD1、CTLA4、LAG3、TIGIT 和 HAVCR2。
这是本文最关键的质量控制图之一。对公开复现来说，metadata 标签不能直接等同于真实细胞身份，必须用 marker 表达复核。图 6 显示主要 compartment 的 marker 方向基本符合预期，因此后续关于肿瘤、免疫和基质结构的解读有表达证据支撑。
marker dotplot 也能帮助读者理解这篇复现的边界。EPCAM/KRT/MUC1 支持上皮/肿瘤方向，但没有 CNV 证据时，不宜把每个 Tumor 标签写成重新判定的 malignant cell。CD3D/CD3E/NKG7/GNLY/CCL5 支持 T/NK 相关结构，但不能单独区分 CD4、CD8、Treg、NK 或耗竭状态。LYZ/FCER1G/CTSS/LST1/TYROBP 支持髓系/APC 背景，但不足以完成 macrophage/monocyte/DC 的细分。
因此，这张图支撑的是“主要 compartment 复核”，不是所有细胞状态的最终注释。深度复现应该让读者知道 marker 证据强在哪里，也知道它没有覆盖哪里。对类似项目来说，dotplot 后面最自然的下一步，是分别对子集做更细 marker panel，而不是在全体细胞上继续加 cluster。
signature score：探索状态，不写成机制定论
图 7. 探索性 signature score 按 metadata 标签分布。这里的 score 是 marker gene set 的平均 log1p(TPM)，用于帮助阅读细胞状态，不能替代差异表达模型或功能实验。
从 score 层面看，上皮/肿瘤 signature 主要集中在 Tumor 标签，细胞毒性和 checkpoint 相关信号更适合在 T/NK 相关细胞中谨慎阅读，myeloid/APC 与 CAF/ECM 信号分别帮助识别髓系和基质成分。由于这是 processed matrix 层面的复现，score 更适合描述“表达倾向”，不应直接写成免疫逃逸、侵袭或治疗反应机制。
score 图提供的是“下一步往哪里看”。如果 Tumor 标签里 epithelial/tumor score 高，说明上皮方向和 metadata 大体一致；如果 T/NK 相关标签里 cytotoxic 或 checkpoint score 更高，可以继续做 T cell 子集；如果 Stromal 标签里 CAF/ECM score 更高，可以继续检查 COL1A1、DCN、LUM、ACTA2 等基质 marker 的组合。它们都还停留在表达层面。
这也是小型肿瘤数据的写作重点。不要把 score 图包装成完整机制。更稳的说法是：公开矩阵中保留了若干可解释的表达方向，这些方向和主要 compartment 相互支持，适合作为后续子集分析入口。这样的表述没有那么“夸张”，但对科研项目更有用。
specimen prefix 组成：能看采样差异，不能当作临床比例
图 8. 各 cell-name specimen prefix 中的主要 metadata 标签比例。BC03LN、BC07LN 的 LN 后缀只作为来源提示；图中比例是公开矩阵捕获和挑选后的组成，不能当作病理比例。
这张图回答不同 specimen prefix 的捕获组成是否一致。差异可能来自组织来源，也可能来自单细胞捕获、细胞挑选、组织消化和样本数量。由于 prefix 未被独立临床补充表核验，本文只描述公开矩阵中的可见结构。
图 9. 分 compartment 计算的 specimen-prefix score 中位数。每个 score 只在相关作者标签内汇总，避免 Tumor、免疫和基质比例直接改变全细胞中位数。空白格表示该 prefix 没有对应作者标签细胞，不补零，也不用于临床分型。
这个 score heatmap 可以帮助筛选后续深入方向。例如，某个 prefix 的 Tumor 标签内 epithelial score 较高，可以继续回到具体细胞和 marker；Stromal 标签内 CAF/ECM 较高时，可以继续检查基质程序。临床分型仍需要可核验的临床字段、更系统的样本量和统计模型。
图 8 和图 9 把细胞级结果退回 specimen prefix 层面。它们不能替代临床模型，但能帮助研究者选方向。某个前缀 Tumor 细胞比例高，同时 epithelial/tumor score 也更高时，可以优先检查肿瘤上皮程序；stromal 比例或 CAF/ECM score 更突出时，可以继续看基质细胞；T/NK 相关信号更明显时，可以继续做 T cell 子集。
这种“选择后续方向”的作用，在旧数据再分析里很实际。很多项目没有足够样本量做复杂统计，但仍然可以通过 composition + score heatmap 找到值得补图、补 marker、补验证的地方。文章要把这个层级说清楚：它是探索入口，不是结论终点。
关键 marker 的空间分布
图 10. EPCAM、KRT19、CD3D、NKG7、MS4A1、CD79A、LYZ、FCER1G、COL1A1 和 DCN 在 t-SNE 空间中的表达分布，用于复核上皮/肿瘤、T/NK、B cell、髓系和基质区域。
feature panel 把 dotplot 的群体证据放回二维结构中。它能帮助判断一个 marker 是否只在预期区域表达，还是在多个区域都出现。若 marker 分布和 metadata 标签不一致，就需要重新检查注释或考虑混合细胞、表达可读性和状态连续性。
图 10 也能检查“漂亮 dotplot”有没有空间一致性。某个 marker 在 dotplot 中看起来支持某类细胞，但如果 feature panel 上散在多个不相关区域，就要谨慎。反过来，如果 EPCAM/KRT19、CD3D、MS4A1、LST1、COL1A1 分别落在预期 compartment，这会增强前面 metadata 和 dotplot 的可信度。
对早期 processed matrix 来说，feature panel 不是装饰图。它帮助读者把 marker、metadata 和二维结构对上。只有这三者方向一致，文章才适合继续讨论 Tumor/immune/stromal 的关系。
与源论文主线的对照
本文与源论文主线一致的地方包括：公开矩阵可以恢复肿瘤细胞和多类非肿瘤细胞共同构成的乳腺癌组织图谱；Tumor、T/B cell、myeloid 和 stromal 等标签能在表达空间中得到 marker 支持；不同 specimen prefix 之间存在明显组成差异；肿瘤和微环境信号需要结合 marker、composition 和来源 context 一起看。
与源论文完整分析相比，本文收窄了结论范围。本文没有重跑 FASTQ，没有重建作者所有下游模型，没有整合病理图像或额外验证实验，也没有把少量 specimen prefixes 的结构外推为乳腺癌普遍规律。它是一篇公开 processed matrix 层面的深度复现。
这个收窄不是退让；它是在和公开材料匹配。Chung 原文关注的是 primary breast cancer 中肿瘤与免疫细胞的综合 profiling，本文能在公开 TPM 矩阵上复核主要结构和 marker 方向；如果要继续到恶性细胞 CNV、肿瘤亚克隆、免疫状态功能解释或病理空间关系，就需要更多数据层级。
公开复现文章最怕两种写法。一种是只说“我们复现了原文”，却没有说明复现了哪一部分；另一种是把每个图都写成机制结论。本文选择中间路径：把能复核的主线逐项列出，把不能越界的部分写清楚。这样读者才能判断这篇文章对自己的数据复用有什么帮助。
复现这类肿瘤数据时容易出错的地方
第一，混入 pooled/bulk 样本。GSE75688 的表达矩阵里有 pooled 列，如果不先看 metadata，很容易把 pooled 和 single-cell 一起放进降维图。这样得到的结构会非常难解释。
第二，把 metadata 标签当作最终答案。公开标签是重要起点，但仍然需要 marker 证据。尤其在肿瘤数据中，恶性上皮、正常上皮、免疫细胞和基质细胞的边界需要谨慎确认。
第三，把组成图写成真实组织比例。单细胞捕获过程会引入偏倚，不同 specimen prefix 的细胞数也不均衡。组成图适合描述公开矩阵中的观测比例，不适合直接得出组织丰度或临床结论。
第四，把 score 写成机制。signature score 是阅读表达模式的工具，不等于功能实验。可以说“某类细胞呈现较高的 checkpoint marker 倾向”，但不能仅凭 score 断言免疫逃逸机制成立。
第五，忽略早期数据的技术层级。不同年代、不同平台的单细胞数据不能都按今天的 10x UMI 对象来写。TPM 矩阵、full-length 表达表、plate-based 数据和 droplet count matrix 的 QC 语言不一样。Chung 这篇要说 detected genes 和 total TPM，不要把它写成 UMI count 或 mitochondrial percentage 的标准 10x 工作流。
第六，用 specimen prefix 过度建模。13 个 cell-name prefixes 能帮助观察来源差异，但没有独立临床关联，不能写成稳定分型。更强结论需要更多独立标本、可核验临床信息和统计模型。
如果把 Chung 做成项目级再分析，还缺什么？
这篇文章已经能把公开 processed matrix 层面的主要结构讲清楚。若要继续做成项目级深挖，最需要补的是恶性细胞判定。可以围绕 Tumor 标签细胞做上皮 marker、增殖 marker、CNV 线索和 specimen-prefix-associated structure 的综合检查。没有原始 count 或更适合 CNV 的对象时，这一步只能写成探索性恶性程序，不能宣称完成拷贝数重建。
第二个方向是免疫 compartment 子集分析。T/NK 相关细胞可以进一步看 CD3D、TRAC、NKG7、GZMB、checkpoint marker 和 cycling marker；B/plasma 细胞可以看 MS4A1、CD79A、MZB1、JCHAIN；髓系/APC 可以看 LST1、C1QA、HLA-DRA、CD68。当前文章只做到主要 compartment，后续可以把每个 compartment 拆成更细的可解释模块。
第三个方向是基质/ECM 与肿瘤细胞关系。Stromal 标签和 CAF/ECM score 可以作为入口，但没有空间坐标时，不能讨论具体邻近关系。更深的分析需要空间转录组、病理图像或至少更完整的样本层级信息。公开矩阵可以告诉我们基质相关表达是否存在，不能告诉我们它在组织切片上的空间位置。
第四个方向是和后续乳腺癌单细胞队列对照。Chung 数据规模小，但它可以作为早期图谱参照。把同类 marker panel、compartment definition 和 signature score 放到更大的乳腺癌队列中复核，才更适合讨论普遍模式。这个方向比在 515 个细胞里继续强行拆很多 cluster 更可靠。
这篇文章适合怎样用于公开展示？
Chung 这类小型早期肿瘤数据需要控制结论强度。从 GEO processed matrix 和 final sample information 出发，确认 single-cell 列，重建可追溯的 t-SNE 与 k-means，检查 specimen prefix，复核 Tumor、T/B cell、Myeloid、Stromal 等 compartment，再把 score 和 composition 写成探索线索。
对读者来说，这篇文章能传达一个很实际的信息：旧数据不一定要被放弃，但必须先把数据层级讲清楚。processed TPM 仍然可以用于图谱复核、marker 解释和报告级图表整理；若要支撑更强的机制解释，就要补 count 层、CNV、临床信息、空间图像或独立队列。这样的边界说明，比把小数据强行包装成大结论更有说服力。
这也是后续所有老肿瘤单细胞项目可以复用的路线。先问公开对象保留了什么，再问哪些 metadata 可以信，再问 marker 是否支持标签，再问 composition 和 score 能不能指向下一步。只有这些问题被逐项回答，文章里的每张图才有实际用途。
深度解读：这篇复现应该怎么读？
这篇复现回答了什么？
它回答的是：Chung et al. 公开 processed TPM 矩阵和 final sample information 是否足以恢复乳腺癌组织中的主要细胞 compartment。答案是可以。Tumor、B/T cell、myeloid 和 stromal 结构都能在表达空间、marker dotplot 和组成图中得到支持。
raw / processed matrix 的边界在哪里？
本文使用的是 processed TPM matrix，不等于 FASTQ 或原始 UMI count。它适合复核表达结构、metadata 标签和 marker 方向，不适合重做 read-level QC、比对、批次校正、细胞过滤阈值或完整差异表达统计。
主图应该怎么读？
先看图 1-2，确认数据规模、metadata 和表达可读性；再看图 3，判断 specimen-prefix-associated structure；图 4-6 是细胞身份的主要证据；图 7-9 用于探索状态和来源差异；图 10 把关键 marker 放回二维结构中复核。
哪些地方不能过度解释？
不能把 t-SNE 距离解释成精确发育或演化关系，不能把公开矩阵比例写成真实病理比例，不能把少量 specimen prefixes 的差异写成临床分型，也不能把 checkpoint 或 ECM score 直接写成功能机制。
如果继续深入，下一步做什么？
下一步可以做三件事：一是回到原文补充表逐细胞比对作者注释；二是围绕肿瘤细胞做 CNV 或恶性程序推断，但需要更适合的 count 层数据和方法；三是把免疫/基质 compartment 分别拆开，做更细的 T cell 状态、B/plasma 状态、髓系/APC 状态和 CAF/ECM 状态复核。
小结
Chung 乳腺癌单细胞数据是一组适合公开复现的经典小型肿瘤数据。它的数据入口清楚，metadata 标签完整，矩阵规模可控，又能展示肿瘤单细胞复现中常见的几个问题：specimen-prefix-associated structure、肿瘤与微环境分离、marker 证据、composition 边界和 processed matrix 的解释限度。
对需要复用公开单细胞数据的项目来说，这类复现的价值不靠重复画图，而在于把公开数据整理成可检查的证据链：数据从哪里来、保留了哪些细胞、主要结构是否稳定、marker 是否支持、和源论文主线是否一致、哪些结论不能越界。只有这些问题讲清楚，公开数据才能变成后续课题设计、结果图复刻和结果解释的可靠材料。