藏药单细胞药理研究

问题背景

藏药复方的药理机制研究长期面临一个核心难题：如何在多成分、多靶点的复杂体系下，精准解析其对免疫细胞亚群的调控规律。传统批量 RNA 检测只能反映细胞群体的平均表达水平，无法区分巨噬细胞 M1/M2 极化状态、T 细胞分化谱系等关键亚群变化。当研究者想回答"藏药 XX 如何通过调控巨噬细胞极化重塑肿瘤免疫微环境"这类问题时，缺乏从单细胞分辨率到功能验证的完整技术框架。

核心能力与工作流程

该技能以五步闭环流程为核心，将单细胞转录组分析、流式验证与分子对接串联为可执行的研究路径。

研究设计阶段

根据藏药传统功效与目标免疫细胞类型，匹配体外细胞模型（如 RAW264.7、THP-1 源巨噬细胞、原代 T 细胞）和体内疾病模型（CIA、DSS 结肠炎、荷瘤模型），并设计剂量-时间梯度实验。同时推荐基础（scRNA-seq + qPCR）、进阶（scRNA-seq + CyTOF）到高级（多组学全链条）的整合策略。

单细胞转录组分析

从样本制备（单细胞悬液制备方案、细胞活率要求）到生物信息学分析流水线：质量控制（基因数、线粒体比例过滤）、批次校正（Harmony/CCA/MNN）、细胞分群与注释（基于标志物参考表）、差异表达与通路富集（MAST/Wilcoxon、GSEA）。

流式验证与功能实验

设计多色流式 Panel 检测 M1/M2 极化和 T 细胞亚群，通过 shRNA 或抑制剂进行靶点验证，使用 Western blot 检测 NF-κB、JAK-STAT、MAPK、PI3K-AKT、AMPK 等通路磷酸化水平。

活性成分鉴定与对接

基于 UPLC-Q-TOF-MS/MS 数据鉴定活性成分，与靶点蛋白进行分子对接，分析氢键、疏水相互作用等结合模式。

数据整合与可视化

生成 UMAP、ViolinPlot、DotPlot、Heatmap 等标准单细胞可视化图表，构建"活性成分-靶点-细胞亚群-通路-表型"多层调控网络，并执行 MAST、ANOVA、Kaplan-Meier 等统计分析。

附带脚本工具 calc_m1_m2_ratio.py、flow_data_analyzer.py、scrna_diff_expr.py、molecular_docking_analyzer.py 可辅助完成 M1/M2 评分计算、流式数据分析、差异表达分析和对接流程指导。

适用边界与注意事项

该技能输出结论严格限于基础研究层面，不可直接推及临床应用。体外细胞实验结果不能直接外推至体内生理条件，动物实验结果需结合临床验证。藏药复方具有多成分、多靶点特性，单次实验阳性结果不排除脱靶效应。涉及含重金属的矿物药（如"佐太"）需额外评估对免疫细胞的毒性风险。传统功效与现代通路的关联属于知识性推测，必须通过实验验证。统计分析时需标注 P 值、校正方法（FDR/Bonferroni）及效应量。仅有均值和 SD 而无原始数据时，脚本将使用模拟数据演示并明确标注"估算值"。