AI 生信分析实践案例：单细胞与转录组
四个用科搭 Codar 生信模式完成的真实分析：PBMC 免疫图谱、细胞注释方法对比、IFN-β 响应伪 bulk 差异表达、肺腺癌铜死亡亚型与生存分析。均使用 GEO 等公开数据，附完整步骤、结果图和统计表。
#案例概览
本模块收录 Codar 在生物医学研究中的实际应用。每个案例均按照“案例目标—操作步骤—结果查看—使用建议”的结构编写，并在左侧导航中独立展示。
想先了解生信模式能分析哪些数据、怎么开始，请阅读 AI 生信分析。
#案例一：构建健康人 PBMC 免疫图谱
使用公开单细胞 RNA 测序数据，完成质量控制、聚类、细胞类型注释和可视化。
#案例二：PBMC 细胞类型注释一致性分析
使用 CellTypist、SingleR 和经典 Marker 基因进行细胞注释，并比较不同方法的结果。
#案例三：IFN-β 刺激后的 PBMC 响应分析
比较刺激组与对照组，识别不同 PBMC 细胞类型的干扰素响应和差异表达特征。
#案例四：肺腺癌铜死亡转录状态分析
使用 GSE131907 单细胞数据识别肺腺癌恶性细胞，解析铜死亡相关转录亚型，并探索其与肿瘤微环境和患者生存的关系。