iobrx：八次对话读懂肿瘤微环境
一份肿瘤表达矩阵里，混合着癌细胞、免疫细胞和基质细胞的信号。这套案例用 Omicos 的 iobrx 分析能力完成八个板块：从准备表达数据，到估计细胞组成、关联临床表型，最后用另一个队列练习预测建模。
你只需选中 iobrx Analyst，告诉它数据位置和想解决的问题。Agent 会读取配套的 iobrx Skill，选择方法并调用自带的 iobrx harness 完成标准计算；其余统计建模和绘图由 Agent 使用 Omicos 的分析工具完成。
八个问题，八次对话
| 对话 | 本章问题 | 主要结果 |
|---|---|---|
| 1 · RNA 数据准备 | 下载的数据能直接分析吗？ | TPM 矩阵、样本表、质控图、PCA |
| 2 · 签名评分 | 免疫、基质等功能信号谁高谁低？ | 三种方法的签名分数与比较 |
| 3 · TME 反卷积 | 这些信号背后有哪些细胞？ | 六种方法的细胞估计与诊断 |
| 4 · 签名与表型 | 这些特征和分期、生存有关吗？ | 分期比较、Cox 森林图、KM 曲线 |
| 5 · TME 交互 | 细胞、功能、配体受体怎样共同变化？ | 患者分群、LR 评分、整合热图 |
| 6 · 肿瘤生态系统 | 公开分类器给出哪些状态？ | TMEclassifier 分类、差异表达、GSEA |
| 7 · TME 与基因组 | 常见突变和免疫信号有关吗？ | 突变概览、关联与敏感性分析 |
| 8 · TME 建模 | 几个特征能预测新患者的结局吗？ | 留出测试的预测与评估图 |
前一章的输出就是后一章的输入，样本通过 ID 衔接。
这次用哪些数据
- 第 1–7 章：TCGA-STAD 胃癌队列。下载快照含 448 份表达数据：412 例原发肿瘤（来自 412 位不同患者）和 36 份正常组织，正常组织用于质控。图表与数值来自本次实际分析。
- 第 8 章：IMvigor210 免疫治疗队列。本次 TCGA-STAD 资料没有免疫治疗反应标签，因此建模使用有真实治疗反应记录的尿路上皮癌队列。
开始之前
- 按数据与运行说明准备公开输入（一个 ZIP 准备包 + 运行时下载的公开数据）。
- 选中工作空间，在同一个项目里依次新建八个对话，每章一个。
- 每个对话选中 iobrx Analyst，模型用 DeepSeek V4.1 Flash，思考强度"高"；本次 iobrx 为 0.3.1。每章的"可以这样问"给出建议问法，可以直接复制或稍作修改。
截图中的 Agent 是加入本教程方法参考后的本地预览版本，版本与安装范围见数据页说明。分析怎样执行、校阅过什么、文件如何核对，都集中在数据与运行说明；正文只保留完成当前操作所需的信息。
从第 1 章：RNA 数据准备开始。