《Nucleic Acids Research》：PathoEvo: an interactive single-cell database for exploring disease progression and pathological evolution
编辑推荐：
摘要翻译
疾病进展由组织微环境、细胞组成、细胞状态与转录程序的协同变化驱动。单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）与单核RNA测序（single-nucleus RNA sequencing, snRNA
摘要翻译
疾病进展由组织微环境、细胞组成、细胞状态与转录程序的协同变化驱动。单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）与单核RNA测序（single-nucleus RNA sequencing, snRNA-seq）使在单细胞分辨率下研究这些改变成为可能。然而，公共疾病相关数据集通常分散于各独立研究，并采用异质的临床、病理或分子分期系统进行注释，这限制了跨疾病阶段和数据集的比较。在此，研究人员介绍了PathoEvo（https://biomedlab-ai.com/pathoevo/），这是一个以疾病进展为中心的疾病相关单细胞与单核转录组数据库。PathoEvo整合了来自981个样本和59个数据集的7 452 971个细胞或核，涵盖18种疾病和27种进展框架。通过人工整理、统一处理、元数据协调、细胞类型注释和阶段映射，PathoEvo将异质性数据集组织为以疾病进展为核心的标准资源。其数据与分析功能涵盖三个互补层次，使研究人员能够检视与疾病阶段相关的细胞组成变化、刻画样本水平的分子变异，并探究相关细胞群与样本中的基因表达动态。结构化检索与浏览功能进一步便利了跨疾病与分期系统的数据集发现及阶段解析信息的导航。PathoEvo为探究病理演化及跨数据集比较疾病进展的细胞与分子模式提供了整合性资源。
论文解读
疾病进展与病理演化是由组织微环境、细胞组成、细胞状态与基因表达程序协同变化驱动的连续动态生物学过程。单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）与单核RNA测序（single-nucleus RNA sequencing, snRNA-seq）已使在单细胞分辨率下解析此类改变成为可能，大规模多样本研究也证实在跨疾病严重程度取样时可恢复阶段依赖性重塑。然而，公共疾病相关数据集大多仍分散于独立研究，注释采用异质的病理评分、疾病阶段与样本元数据，使研究人员难以在统一框架下系统比较跨数据集、疾病阶段、样本、细胞类型与基因的疾病进展。已有疾病单细胞数据库（如SC2disease、TISCH、CancerSCEM、AgeAnno、scCT-DB）多聚焦静态疾病图谱、肿瘤微环境、疾病注释或治疗反应，缺乏以标准化疾病特异性进展框架为核心组织的资源。因此，构建以疾病进展为组织轴、衔接宏观临床或病理阶段与跨尺度细胞分子证据的整合平台成为迫切需求。
针对上述问题，Shuang Feng、Lifeng Zhang等研究人员开发了PathoEvo交互式数据库，以疾病特异性进展框架为主要组织轴服务单细胞数据重用。当前版本整合7 452 971个细胞或核（981个样本、59个数据集），覆盖18种疾病与27个进展框架，经人工整理、统一处理、元数据协调、细胞类型注释与阶段映射，将异质性数据集转化为在细胞、样本、基因三个互补层次产出阶段解析信息的标准化资源。该研究发表于《Nucleic Acids Research》，为探究病理演化与跨数据集比较疾病进展提供了整合性平台。
关键技术方法（不超过250字）：样本队列来自Gene Expression Omnibus、Sequence Read Archive等公共存储库及论文补充材料中提供样本水平临床或病理分期信息的数据集，经人工审阅纳入7 452 971个细胞或核、981个样本与59个数据集。关键技术方法包括：基于Scanpy与AnnData的统一处理（质控、归一化、对数转换、高变基因筛选）；以数据集为批变量的Harmony整合；结合无监督聚类、marker基因与人工审查的层级细胞类型注释；基于scTour变分自编码器（variational autoencoder, VAE）的样本拟时间推断、扩散图（diffusion map）排序及与标准化阶段的固定权重对齐；Pearson/Spearman相关、Kendall's τ（至少4样本）、Welch t检验、Benjamini–Hochberg错误发现率（false discovery rate, FDR）控制与log
2倍数变化报告。
数据库内容（Database content of PathoEvo）：PathoEvo整合7 452 971个细胞或核（981个样本、59个数据集），覆盖结直肠癌、肝细胞癌、多发性骨髓瘤等实体瘤与血液恶性肿瘤、按CNS WHO分级的中枢神经系统肿瘤，以及阿尔茨海默病（Alzheimer's disease, AD）、帕金森病（Parkinson's disease, PD）、多发性硬化（multiple sclerosis, MS）等非癌情境；27个进展框架涵盖临床分期（如AJCC-TNM、FIGO）、病理或分子分级、病程序列（如MGUS-SMM-MM、DCIS-IDC、RRMS-SPMS）与神经病理方案（如AD Braak、PD Braak）。
数据库功能与工具（Features and utilities of PathoEvo）：Evolution页呈现各疾病进展框架、标准化阶段值与原始标签的映射；Browse页提供交互式细胞景观，嵌入可按数据集、样本、标准化阶段或层级细胞类型着色，超过100 000个细胞或核时采用分层抽样以保证网页渲染；Search页支持按疾病、模态与进展框架组合检索；Download页提供疾病水平、框架水平与数据集水平的h5ad文件。
交互式进展分析（Interactive progression analyses）：三个模块围绕疾病进展生物学设计，病理进展通常通过细胞群与状态变化、样本间分子差异及相关基因程序的起伏重塑组织；CellEvolution按样本拟时间汇总细胞类型与状态变化，SampleEvolution刻画标准化阶段与对齐分子样本排序的关系，GeneEvolution以单个基因为中心展示其在嵌入、拟时间箱与细胞类型上的模式，三者可在共享选择器下相互验证。
示例应用（Example application of PathoEvo）：以AD Braak框架演示完整流程，数据基于含48名ROSMAP供体的snRNA-seq多区域研究（syn52293442），质控后保留逾100万个核与近30 000个基因。CellEvolution显示随拟时间推进，胶质细胞（主要为少突胶质细胞）富集而兴奋性神经元与抑制性神经元减少，且晚期胶质富集为多供体共享；SampleEvolution形成跨Braak阶段的连续供体排序，但阶段内异质性显著，并优先筛选出'HSPA1A'、'HSPB1'、'CRYAB'等应激反应基因；GeneEvolution显示'HSPA1A'与'HSPA1B'、'HSP90AA1'、'DNAJB1'、'BAG3'等分子伴侣晚期富集，而神经元富集因子'RBFOX1'及'RELN'、'CNR1'、'IGF1'偏向早期表达。
讨论与未来展望（Discussion and future development）：PathoEvo将疾病特异性进展框架置于单细胞数据重用核心，其价值在于进展框架与阶段映射、考虑疾病阶段的检索浏览、三工具协同分析及可下载的分析就绪h5ad对象；同时提示部分疾病-框架组合阶段覆盖不均、残余研究间异质性存在，且标准化阶段值应在各框架内解读而非跨疾病定量比较。未来将纳入新数据集、拓展通路与基因集水平分析、加强编程访问，并在进展元数据可标准化时纳入空间转录组（spatial transcriptomics）与染色质可及性（chromatin accessibility）数据，承诺数据库URL持续可用至少5年。研究结论为：PathoEvo提供了以疾病进展为中心的整合性单细胞探究资源，可作为疾病分期系统与细胞分子证据之间的实用桥梁。
