复现Vento-Tormo et al.母胎界面单细胞数据：从E-MTAB-6701到decidua、placenta和blood的资源边界

Vento-Tormo et al.的早孕母胎界面数据很经典，也很容易被写过头。decidua、placenta、blood，dNK、trophoblast、macrophage、stromal cell，这些词天然带有组织生态和细胞互作的想象空间。但公开复现的第一层问题要先看清资源层级，暂时不把故事写大：公开experiment design、K45 cluster assignments、marker-gene rank表和normalised矩阵分别能支持什么。

本轮复现选择做资源层级审计，而不是强行扫描全量表达矩阵。原因很明确：E-MTAB-6701的normalised MatrixMarket体积大，非零项约247,611,357个；当前结果基于experiment design、K45 cluster和marker-rank表，未做全量表达层重算。这个边界必须公开写出。只有这样，后文关于组成、组织来源和marker覆盖的解释才不会被误读成完整表达矩阵复算。

论文和数据来源

本文能支持的是资源、metadata、作者标签、组织来源和marker-rank层面的审计。它不能声称完成了全量表达矩阵重算，也不能从表达资源直接推出空间接触、功能因果或配体-受体作用已经成立。

资源范围：先说明本轮复现处理了哪一层

图1总结资源范围。公开metadata包含99647个细胞，其中60956个有作者细胞类型标签；图中6088个细胞只表示metadata-only subsample，没有执行表达矩阵扫描；资源覆盖7个个体、3个organism part和45个K45 cluster。这一层足以做composition、标签和marker-rank资源审计。

这个图的意义在于把“数据很多”和“能做什么”拆开。大数据集并不自动等于完整复现。只有当表达矩阵、metadata、cluster、marker和原文结论都被对应起来时，文章才能继续讨论更细的问题。本文先把公开资源层级写清，避免把资源审计包装成全量表达分析。

metadata：decidua、placenta和blood是阅读主轴

图2展示organism part和FACS相关metadata。公开设计表中decidua 46517个细胞、placenta 41859个细胞、blood 11271个细胞。这个分层是本文的阅读主轴，因为母胎界面数据的解释必须先区分组织来源。

如果不先按organism part拆开，dNK、trophoblast、macrophage和Tcell等标签会混在一个总图里，容易被写成泛泛的免疫生态叙事。metadata图让文章从资源层开始建立秩序：哪些细胞来自decidua，哪些来自placenta，哪些来自blood。

细胞组成：组织来源决定解释起点

图3按organism part统计细胞类型组成。decidua中decidual natural killer cell约25.52%、decidual cell约21.23%、macrophage约11.46%；placenta中cytotrophoblast约22.20%、extravillous trophoblast约7.78%、fetal fibroblast约5.45%、Hofbauer cell约3.11%、syncytiotrophoblast约2.90%；blood中Tcell约61.07%、natural killer cell约14.01%。

这些结果适合写成组织来源和作者标签构成。它们不能直接证明细胞互作或空间接触。例如decidua中dNK和decidual cell同在，不等于二者发生了某种功能作用；placenta中trophoblast标签突出，也不等于可以从本文结果推出侵袭机制。composition是入口，不是机制证据。

个体层面：不同individual的组织覆盖不完全一致

图4把individual和organism part交叉。D10有decidua和placenta，D11只有placenta，D6和D7有blood和decidua，D8和D9覆盖blood、decidua和placenta。这个结构提醒我们，组织来源和个体来源并不是完全平衡的。

个体覆盖不均会影响解释。若某个细胞类型主要来自少数individual或某个organism part，就不能把它写成全体样本稳定模式。母胎界面数据尤其需要这种审计，因为组织来源、孕周、采样位置和个体差异都可能影响composition。

cluster交叉：K45 cluster和作者标签需要对齐检查

图5展示K45 cluster和作者cell type标签的交叉。这个图用于检查cluster层和作者标签是否互相支持，也用于识别unassigned和混合区域。公开资源中unassigned细胞有38691个，不能在写作时被忽略。

复现文章如果只展示已命名标签，会让读者误以为所有细胞都有清楚身份。保留unassigned和cluster交叉，反而更能体现资源审计的严谨性。它告诉我们哪些标签较稳定，哪些区域需要进一步表达矩阵重算或marker核查。

marker-rank覆盖：作者标签有可审计的marker资源

图6展示EBI marker-gene rank表中不同cluster/label的top marker覆盖情况。该表是作者派生并由EBI发布的marker-rank资源，不是本次从6088个细胞重算的marker结果。Hofbauer cell、Tcell、conventional dendritic cell、cytotrophoblast、decidual cell、decidual natural killer cell、extravillous trophoblast和fetal fibroblast等标签都有top marker条目可用于审计。

这类marker-rank资源有价值，但边界也清楚。它能帮助我们检查作者标签是否有marker支持，能帮助选择后续表达层验证的基因。它不能代替全量表达矩阵重算，也不能直接给出细胞间通讯强度。若要进入配体-受体或细胞状态细分，需要读取和处理完整表达矩阵。

复现边界：配体-受体和空间接触不能从资源表直接推出

图7把本文边界列成审计表。Public matrix、author labels和matched tissues可以作为资源层支持；ligand-receptor interpretation最多是半支持，需要表达矩阵和分析模型；spatial contact在本文中不支持，因为没有空间坐标或功能接触证据。

这张图是母胎界面复现中最需要保留的内容。看到decidua和placenta的细胞类型组成，读者很容易跳到细胞互作。但表达资源和组织来源只能说明细胞在样本中出现，不能证明它们在组织里相邻、接触或功能调控。严肃文章必须把这些层级分开。

与原文对照：经典互作论文也要按资源层复现

Vento-Tormo et al.原文重建早孕母胎界面，并讨论免疫、滋养层和基质细胞之间的关系。本文没有复刻原文全部表达分析和细胞互作推断，先审计公开资源中可直接确认的层级：organism part、individual、作者标签、K45 cluster和marker-rank。

这种复现方式看起来保守，但对真实项目很有用。许多研究者拿到大型公共资源后，希望马上做细胞通讯、空间生态或疾病对照。更稳的路径是先问：metadata能否对齐？作者标签是否有marker支持？unassigned比例多大？个体和组织来源是否平衡？公开矩阵能否经济地支持表达层重算？这些问题回答清楚，后续互作分析才有基础。

深度解读：这篇复现应该怎么读？

它能回答的问题

本文能回答E-MTAB-6701公开资源在metadata、作者标签、K45 cluster和marker-rank层面是否可审计。它能说明decidua、placenta和blood的细胞组成差异，也能说明哪些标签有marker-rank资源支持。它还能明确告诉读者，本轮未完成全量表达矩阵扫描。

raw/processed matrix的边界

EBI提供normalised MatrixMarket、experiment design和marker-gene tables。本轮没有读取全量normalised矩阵做表达层重算，因为矩阵非零项规模很大。当前结果主要来自experiment design、K45 cluster和marker-rank表。文章中所有结论都限制在这些资源能支持的范围内。

关键图怎么读

图2告诉我们organism part和metadata结构，图3展示细胞组成，图4显示个体和组织覆盖，图5核对cluster和作者标签，图6审计marker-rank覆盖，图7标出解释边界。没有UMAP并不影响资源审计，但也意味着本文不能声称完成了全表达层重分析。

哪些地方不能过度解释

不要把composition写成细胞接触，不要把marker-rank写成表达量重算，不要把decidua和placenta中细胞类型共现写成功能互作，也不要把配体-受体线索写成因果。空间接触需要空间数据或组织学证据，功能调控需要实验或更完整模型。

后续可以怎么深入

后续可以选择一个明确子问题再读取表达矩阵，例如decidual NK与trophoblast相关marker、Hofbauer cell与placenta compartment、decidual stromal cell状态或blood/decidua免疫差异。进入配体-受体分析前，需要把表达矩阵、cell type标签、个体和organism part严格对齐，并加入背景表达和多重检验控制。

为什么本文把“没有全量表达扫描”写在正文里？

大型公共资源最容易出现一种写法：只要数据集足够有名，文章就默认读者相信分析已经覆盖所有层面。Vento-Tormo这篇数据不适合这样处理。E-MTAB-6701的normalised MatrixMarket很大，本轮没有做全量表达扫描；如果正文不说明，读者会把composition、cluster和marker-rank审计误解成完整表达重算。

把边界写出来并不会降低文章质量。相反，它让每个结论都有明确来源：organism part来自experiment design，细胞类型来自作者标签，cluster来自K45 assignments，marker支持来自EBI marker-gene rank表。当前结果可以审计资源结构和标签覆盖，不能替代表达层重算。

这类写法对公共数据项目很实用。很多大型资源并不需要一开始就全量处理，尤其当目标是选题、资源评估或文章前期审计时。先做metadata和marker-rank层审计，可以判断这个数据是否值得投入更重的表达层分析。

母胎界面数据为什么容易过度解释？

decidua、placenta和blood之间天然存在组织关系，dNK、trophoblast、macrophage、stromal cell等标签也很容易让人联想到细胞通讯。问题在于，composition只能说明某类细胞在某个organism part中占比高，不能说明它与另一类细胞发生接触或调控。

配体-受体分析也需要更强输入。至少要有可靠表达矩阵、细胞类型标签、背景表达控制、个体层重复和统计校正。若只有marker-rank和composition，最多能提出“后续可围绕某些细胞组合做表达层验证”，不能写成互作已经成立。

空间接触的证据门槛更高。母胎界面是空间组织，细胞是否相邻、是否处在同一微环境、是否发生功能接触，不能由普通scRNA composition直接证明。需要空间转录组、组织染色、配体/受体蛋白层证据或功能实验。本文把spatial contact列为不支持，就是为了避免这类过度推断。

individual覆盖不均如何影响后续分析？

图4显示，不同individual覆盖的organism part并不完全一致。D11只有placenta，D6和D7没有placenta，D8和D9覆盖三类organism part。这个结构会影响任何组织间比较。如果某个细胞类型只在少数individual中出现，它可能反映组织来源，也可能受到个体采样影响。

后续若进入表达层分析，需要把individual作为关键层级。不能把99647个细胞都当作独立重复，也不能只按organism part求平均。更稳的做法是按individual和cell type汇总，检查每个细胞类型在多少个individual中出现，再决定是否适合比较。

这也是本文没有急着做复杂模型的原因。资源层审计已经显示个体与组织覆盖存在不平衡。更重的分析必须先处理这个问题，否则很容易把采样结构写成生物学差异。

如果继续深入，如何从资源审计走向表达分析？

第一条路线是选择明确细胞组合，例如decidual NK与extravillous trophoblast、Hofbauer cell与placenta compartment、decidual stromal cell与immune cells。每条路线都需要先读取对应细胞表达矩阵，并检查marker是否在表达层复现。

第二条路线是按organism part和individual做伪bulk或模块分数，避免细胞数膨胀造成虚假稳定性。母胎界面数据中，个体重复比细胞数量更能决定结论强度。

第三条路线是把普通scRNA和空间/组织证据连接起来。若问题涉及细胞接触或组织位置，表达矩阵只能给候选细胞和候选基因，不能替代空间验证。公开文章可以提出这些方向，但不能把方向写成结论。

这篇资源审计对学生有什么训练价值？

它训练的是大型公共资源的阅读顺序。先看accession和文件层级，再看experiment design；先看organism part和individual，再看cell type；先看作者标签和marker-rank，再决定是否值得做表达矩阵重算。这个顺序比一上来追求UMAP更稳。

对新科研人员来说，这种能力很关键。很多经典数据集体量大、文件多、注释层复杂，盲目下载全量矩阵会耗费大量时间。先做轻量资源审计，可以快速判断数据能否支撑自己的问题，也能把后续计算投入放在最有价值的子问题上。

资源层审计和表达层复算各自解决什么问题？

资源层审计回答的是“这个数据集是否值得继续做”。它检查文件是否存在、metadata是否对齐、organism part是否清楚、作者标签是否可用、marker-rank是否覆盖主要细胞类型。本文完成的就是这一层。它能帮助我们判断E-MTAB-6701公开资源可以支持decidua、placenta和blood的组成审计，也能为后续选择细胞组合提供依据。

表达层复算回答的是另一个问题：在统一处理后的表达矩阵中，某些基因、signature或细胞状态是否可重复。进入这一层，需要读取normalised MatrixMarket，构建表达对象，按细胞标签和个体对齐，再计算marker、module score或配体-受体候选。它的成本更高，结论也更接近生物学解释。

本文没有把两层混在一起。当前图表可以说明资源结构、composition、cluster-label交叉和marker-rank覆盖；不能说明某个配体在某个细胞群中表达量更高，也不能说明细胞状态梯度。若后续要写这些，需要启动表达层复算。

配体-受体分析在这里需要哪些前置条件？

母胎界面论文常被读者联想到配体-受体互作，但这类分析需要严谨前置条件。至少要有表达矩阵、可靠细胞类型标签、每类细胞足够数量、individual层重复、背景表达阈值和多重检验控制。若只用composition和marker-rank，得到的最多是候选方向。

还要区分“表达互补”和“空间相邻”。某个ligand在decidual cell中表达，某个receptor在trophoblast中表达，只说明表达层面存在候选组合；它不证明两类细胞在组织中接触。空间相邻需要空间转录组、免疫染色、原位杂交或其他组织证据。

因此，本文把ligand-receptor interpretation标为半支持，把spatial contact标为不支持。这个判断强调证据层级要写准确，并不是把结果压低。对经典论文复现来说，越是容易吸引人的结论，越要写清它需要什么证据。

如何把这篇资源审计转成下一篇深度分析？

可以选择一个窄问题。例如“decidual NK与extravillous trophoblast的表达候选关系”“Hofbauer cell在placenta compartment中的marker状态”“decidual stromal cell与immune composition的个体差异”。每个问题都要先定义细胞集合，再读取表达矩阵，随后按individual和organism part做统计。

还可以先做轻量验证：从marker-rank表中选择每个标签的top genes，读取对应基因在normalised矩阵中的表达，检查是否与作者标签一致。这样不必一开始就处理所有基因，也能快速判断表达层是否支持资源层审计。

若表达层验证通过，再进入更复杂的module score、差异表达或候选互作。这个顺序比直接跑全量通讯分析更稳，也更容易把结果写成可审计文章。

结论审计

小结

Vento-Tormo母胎界面数据的复现，不适合一上来就写大而全的细胞互作故事。本文先把E-MTAB-6701公开资源层级审清楚：99647个metadata细胞、60956个有标签细胞、decidua/placenta/blood三类组织来源、K45 cluster和marker-rank表。composition和marker-rank可以支持资源层审计；全量表达重算、配体-受体、空间接触和功能因果都需要额外工作。对大型公共资源来说，这种边界清楚的复现比过度叙事更有科研使用价值。