课题背景：
肿瘤细胞是一种具有高度异质性和可塑性的细胞类型，它们可以根据微环境的变化调整自身的代谢状态，以适应生长、增殖、侵袭和转移的需求。肿瘤细胞代谢的异常调节与癌症发生、发展和治疗反应密切相关，因此揭示肿瘤细胞代谢的分子机制和调控网络对于理解癌症生物学和开发新的治疗策略具有重要意义。然而，目前对于肿瘤细胞代谢的研究主要基于群体水平的代谢组学分析，这无法反映出肿瘤细胞内部和之间的代谢异质性和动态性，也无法揭示代谢状态与其他细胞特征（如基因表达、表观遗传、信号通路等）之间的关联性和互作性。
课题简介：
本课题旨在利用单细胞代谢组学技术，结合其他单细胞组学技术，系统地分析不同类型、不同阶段、不同来源的肿瘤细胞的代谢状态及其异质性和可塑性，并探索其与肿瘤细胞生物学特征之间的关系和作用机制。本课题将采用SpaceM等高通量单细胞代谢组学平台，从多个层面（如空间、时间、功能等）对肿瘤细胞进行代谢表型的分类、定量和比较，并结合单细胞转录组学、表观遗传组学、蛋白质组学等数据，构建肿瘤细胞代谢网络，并鉴定关键的代谢标志物和调节因子。本课题将涉及以下几个方面：
课题内容：
1. 数据获取和预处理：从公开数据库或合作机构获取不同类型、不同阶段、不同来源的肿瘤样本，并进行质量控制、归一化、降维等预处理步骤，以便于后续的分析。
2. 单细胞代谢组学分析：使用SpaceM等高通量单细胞代谢组学平台，对肿瘤样本进行单细胞水平的代谢物检测和成像，并利用统计学习或深度学习等方法，从单细胞代谢数据中提取有效的特征和模式，进行聚类、降维、伪时间排序等分析，揭示肿瘤细胞的代谢状态及其异质性和可塑性。
3. 单细胞多组学整合分析：结合其他单细胞组学数据（如转录组、表观遗传组、蛋白质组等），使用多模态数据整合方法（如Seurat、MOFA+等），探索不同代谢状态下肿瘤细胞的其他分子特征，并构建肿瘤细胞代谢网络，揭示代谢状态与其他细胞特征之间的关联性和互作性。
4. 代谢标志物和调节因子鉴定：基于单细胞多组学整合分析结果，使用差异分析、富集分析、网络分析等方法，鉴定不同代谢状态下肿瘤细胞的代谢标志物和调节因子，并进行实验验证和功能分析，探索其在癌症发生、发展和治疗中的作用和机制。
课题创新点：
1. 本课题将利用单细胞代谢组学技术，结合其他单细胞组学技术，系统地分析不同类型、不同阶段、不同来源的肿瘤细胞的代谢状态及其异质性和可塑性，为揭示癌症生物学和开发新的治疗策略提供新的视角和方法。
2. 本课题将使用SpaceM等高通量单细胞代谢组学平台，从多个层面（如空间、时间、功能等）对肿瘤细胞进行代谢表型的分类、定量和比较，并利用先进的数据挖掘和机器学习方法，从单细胞代谢数据中提取有效的特征和模式，揭示肿瘤细胞的代谢状态及其异质性和可塑性。
3. 本课题将结合其他单细胞组学数据（如转录组、表观遗传组、蛋白质组等），使用多模态数据整合方法（如Seurat、MOFA+等），探索不同代谢状态下肿瘤细胞的其他分子特征，并构建肿瘤细胞代谢网络，揭示代谢状态与其他细胞特征之间的关联性和互作性。
4. 本课题将基于单细胞多组学整合分析结果，鉴定不同代谢状态下肿瘤细胞的代谢标志物和调节因子，并进行实验验证和功能分析，探索其在癌症发生、发展和治疗中的作用和机制。