该文档属于类型a，即报告了一项原创性研究。以下是基于文档内容生成的学术报告：
主要作者及机构
本研究的主要作者包括Qi Dong、Yingying Guo、Chen Lv等，他们分别来自哈尔滨医科大学生物信息科学与技术学院、基础医学院、药学院等机构。研究于2025年发表在《Briefings in Bioinformatics》期刊上。
学术背景
该研究属于癌症神经科学（Cancer Neuroscience）领域，旨在探讨神经浸润（Neural Infiltration）在肿瘤微环境（Tumor Microenvironment, TME）中的作用及其作为癌症标志物的潜力。近年来，神经科学与癌症研究的交叉领域逐渐受到关注，研究表明神经系统通过电化学信号、旁分泌因子、神经递质等方式与癌细胞相互作用，影响肿瘤的发生、生长、侵袭和转移。然而，目前对神经浸润在TME中的系统性评估仍较为缺乏。本研究旨在通过开发一种癌症相关神经浸润评分（C-Neural Score），评估神经浸润在多种癌症类型中的作用，并探讨其在癌症恶性程度、免疫治疗反应及药物筛选中的潜在应用价值。
研究流程
研究分为以下几个主要步骤：
1. 数据收集与处理
研究从多个公开数据库中获取了10种癌症类型的40个批量RNA测序（bulk RNA-seq）数据集，并收集了55个单细胞RNA测序（scRNA-seq）数据集。这些数据集涵盖了癌症样本及其匹配的正常样本。
2. 癌症特异性神经基因的鉴定
研究从四个来源收集了1889个神经基因，并通过单侧Wilcoxon秩和检验鉴定出在癌症样本中显著差异表达的神经基因（DEG-Ns）。
3. 神经浸润评分的计算
研究使用基因集变异分析（GSVA）方法对bulk RNA-seq数据计算C-Neural Score，并使用UCell算法对scRNA-seq数据计算评分。根据评分中位数，将样本分为高评分组和低评分组。
4. C-Neural Score与癌症标志物及临床特征的关联分析
研究分析了C-Neural Score与癌症标志物评分、临床特征（如肿瘤分期、分级、复发、转移等）的关联，并探讨了其在肿瘤纯度、肿瘤细胞含量等方面的意义。
5. 单细胞数据分析
研究对scRNA-seq数据进行了细胞类型注释，并分析了不同细胞类型中C-Neural Score的分布差异。特别关注了上皮细胞（Epithelial Cells）中高评分组（Epi-highCNS）和低评分组（Epi-lowCNS）的差异。
6. 细胞间通讯分析
研究使用CellChat软件分析了Epi-highCNS与其他细胞类型（如Schwann细胞）之间的通讯，并鉴定了关键的信号通路（如FN1信号通路）。
7. 共培养实验
研究通过共培养实验验证了Schwann细胞通过上调VDAC1促进癌症进展的机制。
8. 免疫治疗反应与药物预测
研究分析了C-Neural Score与免疫治疗反应的关系，并预测了可能对高评分患者有效的药物（如Trametinib）。
主要结果
1. C-Neural Score与癌症恶性程度的关系
研究发现，C-Neural Score高的癌症样本表现出更高的神经周围侵袭（Perineural Invasion, PNI）、复发、转移、分期或分级，以及更差的预后。
2. 上皮细胞中的神经浸润
在scRNA-seq数据中，上皮细胞的C-Neural Score最高，且Epi-highCNS表现出更高的拷贝数变异（CNV）、更低的分化程度、更高的上皮-间质转化（EMT）评分及代谢水平。
3. 细胞间通讯
Epi-highCNS与Schwann细胞通过FN1信号通路频繁通讯，且共培养实验表明Schwann细胞通过上调VDAC1促进癌症进展。
4. 免疫治疗反应
C-Neural Score高的患者对免疫治疗的反应更好，且评分与抗肿瘤免疫细胞（如CD8 T细胞）的浸润呈正相关。
5. 药物预测
研究发现，C-Neural Score高的黑色素瘤患者可能从Trametinib治疗中获益。
结论
本研究首次系统性地评估了神经浸润在多种癌症类型中的作用，并提出了C-Neural Score作为一种潜在的癌症标志物。研究揭示了神经浸润在癌症恶性程度、免疫治疗反应及药物筛选中的重要作用，为癌症神经科学领域提供了新的研究方向和治疗策略。
研究亮点
1. 新颖的评分方法
研究开发了C-Neural Score，为评估神经浸润提供了定量工具。
2. 多组学数据整合
研究结合了bulk RNA-seq和scRNA-seq数据，全面揭示了神经浸润在TME中的作用。
3. 机制验证
通过共培养实验验证了Schwann细胞通过VDAC1促进癌症进展的机制。
4. 临床应用潜力
研究为免疫治疗反应预测和药物筛选提供了新的生物标志物。
其他有价值的内容
研究还探讨了神经浸润在肿瘤微环境中与其他细胞类型（如免疫细胞、成纤维细胞）的相互作用，为理解癌症的复杂调控网络提供了新的视角。此外，研究提出的C-Neural Score在未来的临床应用中具有广泛的潜力，可用于患者分层和个性化治疗方案的制定。