单细胞大数据

依托十余年组学研究与生信分析经验，「单细胞大数据」做的是从数据到成稿的中间那一段：基于单细胞、空间多组学的公共数据库数据或你的自有数据，做多维深度分析，把结果组织成逻辑完整的主线，让数据能直接或协助支撑一篇论文或一份标书。

数据从两类来

• 公共数据库GEO / NGDC / ENA 等公开数据集，按研究问题筛选、质控后重新整合分析，零测序成本。
• 你的自有数据已完成测序但没挖透的数据，或新测数据与公共数据的联合分析。

覆盖的数据类型

scRNA-seq、scTCR/BCR-seq、scATAC-seq、CITE-seq、空间转录组、bulk RNA-seq 都可以进同一套分析框架。跨模态的好处很直接：单细胞给细胞分辨率的差异，空间数据给位置关系，bulk 给大队列的趋势，三者叠起来才撑得住一个完整的机制假说。

适合谁

交付的不是一堆图和表，而是能直接往下写的东西。从图到框架到投稿，逐层往前推。

公开的单细胞数据已经覆盖了绝大多数常见疾病方向——下面这张图上出现的词，基本都能找到可用的公开数据集。这意味着老数据可以回答新问题，前提是问题问得够具体。

从定方向到投稿，六步走完。前两步是判断"值不值得做"，后四步才是执行。

先看一个数字：GSE165816 是 2021 年 11 月公开的糖尿病足溃疡（DFU）数据集——足部与前臂皮肤细胞加 PBMC，10 例非糖尿病、17 例糖尿病（其中 11 例合并 DFU、6 例没有）。到 2025 年，这套数据已经撑起 13 篇论文。数据一个字没改，改的是每一篇问的问题。

这 13 篇，各挖的是哪一块