肿瘤免疫浸润诊断 ML 研究规划

要解决什么问题

做肿瘤免疫浸润相关的 bulk 转录组诊断或生物标志物论文时，难点往往不是「缺一个 R 包」，而是整条研究链是否自洽：差异表达、免疫浸润估计、候选基因压缩、多算法特征筛选、诊断模型或列线图、临床关联与可选的生存扩展，各模块之间的证据依赖一旦错位，审稿人很容易抓住「转录组-only 却写蛋白验证」这类硬伤。

本技能面向的是可执行的研究设计，明确拒绝把输出写成文献综述或工具清单。

技能如何工作

输入通常是癌种加上免疫相关诊断、标志物或 ML 诊断方向；可补充 public-data-only、不做湿实验、单一 lead gene、目标期刊档次等约束。技能按固定流程推进：

• 推断研究类型：诊断为主、免疫细胞轴优先，还是共识 ML / 预后扩展等
• 匹配研究模式：如免疫细胞优先、免疫模块到标志物、共识 ML、诊断+预后混合、转化验证等
• 输出四档配置（Lite / Standard / Advanced / Publication+）：目标、数据、模块、工作量与图表复杂度
• 推荐主路径并做依赖一致性检查（例如 bulk-only 时禁止蛋白/组织结论）
• 给出分步工作流、图表交付、验证层级，以及 2～4 周可跑的最小可执行版本

差异分析上会按数据类型区分：raw count 倾向 DESeq2，连续表达矩阵倾向 limma。候选终点会写清交集逻辑，例如 DEG ∩ 免疫相关基因 ∩ ML 特征。

适用边界

适合：围绕 bulk 表达与可解释临床终点的免疫浸润诊断 / 生物标志物 ML 论文规划。

不适合：临床试验方案、给药与个体化治疗建议；纯 scRNA、MR、GWAS 或影像组学且没有 bulk 骨架；只做湿实验而无计算框架；非生物医学话题。超出范围时会说明原因并停止展开。