病理+多组学！卞修武团队聚焦胶质瘤！有表型，有机制，有转化！棒棒哒~

2025 年 8 月，陆军军医大学卞修武院士团队于Cancer Cell期刊发表题为 Long-range cholinergic input promotes glioblastoma progression的研究。该研究围绕胶质母细胞瘤（GBM）与神经回路的互作机制展开，揭示了 长距离胆碱能信号 如何通过特定的神经—肿瘤通讯途径促进肿瘤进展，并进一步提出了具有潜力的干预策略。

早在2024 年 5 月，卞修武院士团队曾在Cancer Cell杂志发表题为Identification of hypoxic macrophages in glioblastoma with therapeutic potential for vasculature normalization的成果，该研究系统鉴定了GBM 中一类具有血管正常化潜力的缺氧型巨噬细胞（Hypoxia-TAM），全面解析其起源、功能、分子特征及治疗前景，为 GBM 的干预策略提供了新的方向。

一、上下游机制挖掘的范式与亮点

这篇文章最大的特点，是从“多组学联合筛选 → 亚群精准定位 → 上下游功能与机制验证 → 临床意义扩展” 的完整逻辑闭环展开研究。无论是单细胞转录组、Bulk RNA-seq、蛋白质组学、代谢组学，还是后续的大量实验验证，作者均构建了严密的证据链，充分体现了团队在多维度数据整合和机制研究上的深厚积累。尤其值得借鉴的是，文章在Figure 4D 与 Figure 5B 中展示的亚群筛选策略：综合自有数据集与公开数据库，多层面基因集交叉筛查，再结合功能注释和空间线索进行收敛这一过程严谨、有逻辑，也非常适合作为我们进行亚群挖掘的学习模板。

(Figure 4)

(Figure 5）

二、从病理特征切入，构建科学问题

文章非常强调从病理现象出发提出问题，而不是直接从大数据中“找亚群”。作者首先观察到特定血管区域存在较强的缺氧及免疫浸润特征，于是提出：是否存在一类在缺氧微环境中定向积累、并与血管异常密切相关的巨噬细胞？随后通过空间定位、marker 特征、转录组学等多维证据逐步锁定这一 Hypoxia-TAM 亚群。

三、该亚群临床意义的系统呈现

作者在该研究中花了大量篇幅展示Hypoxia-TAM 的临床关联性。包括但不限于：跨癌种 / 跨物种的保守性分析、不同临床队列中该亚群的比例差异、分型特征、预后价值的多队列验证、空转与免疫荧光中的空间共定位证据与关键治疗指标（如缺氧程度、血管状态）之间的紧密联系。这些内容恰恰是当前单细胞研究最受关注的部分——不仅要找到亚群，还要说明“它为什么重要”。

四、值得借鉴的方法设计

（1）Figure 3A：按组织部位进行 Bulk 测序的设计【来自公共数据】：按GBM 不同部位进行 Bulk RNA 测序，用“空间层级的 Bulk 数据”呈现不同区域的分子差异，再与单细胞、空间信息整合解释机制，这种设计创新且数据量大，非常值得参考。

(Figure 3)

（2）Figure 8I：药物在血管与肿瘤中的递送差异：对于关注血管、血管屏障、药物递送效率的研究者而言，Figure 8I 是一个非常精彩的展示示例：比较阻断关键靶点后，药物在血管腔与肿瘤组织内的流量与分布，建立了机制干预与药物可达性之间的直接联系，这一方法非常直观，也能让读者清晰理解血管正常化在治疗中的真正意义。

（Figure 8）

卞修武院士团队的这两篇Cancer Cell论文都体现了顶尖团队在科学问题提出、数据整合、机制验证到临床外推各环节的深度思考。高分文章从来不是堆数据，而是结构严谨、逻辑清晰、证据链充分的结果。这些内容也正是我们在单细胞时代最值得学习的部分。