6. 肿瘤生态系统：理解分类，也理解不确定性

本章由 Omicos 调用作者公开的 TMEclassifier，继续分析完整 STAD 队列。

这一步想知道什么

第 5 章在本队列里自己找相似患者；本章换成作者已经训练好的分类器，让它按既有规则给出生态系统类别和分数。两种方式各有用途，簇编号与分类器标签之间没有天然对应。本章同时练习：拿到标签后，怎样用差异表达和富集分析解释它们，又怎样避免循环论证。

可以这样问

用 iobrx_skill_tutorial 的本次 STAD 数据，使用作者的 TMEclassifier
看队列中有哪些生态系统状态。公开模型资源在 inputs/TMEclassifier 中。
请检查模型的适用性
和不确定性，结合差异表达、基因集富集和代表性基因图解释这些状态，
不把标签当成已经验证的临床分类。尽可能保留完整队列，不参考其他案例
的脚本或结果。产物保存到 results/06_ecosystem，用中文解读。

Agent 从 iobrx Skill 中读取模型使用说明，检查公开模型和输入，再完成分类、差异分析与绘图。

本章实际执行的是作者模型的 randomForest 单模型分支（500 棵树，模型对象记录 225 个训练样本）；输入是第 1 章的 53,095 基因 × 412 肿瘤 log2(TPM+1) 矩阵。

结果怎么看

先读分数，再读类别。 模型区分 IA、IE、IS 三类状态（常被称为免疫激活、免疫排斥与免疫抑制）。这首先是表达模式的标签，不能仅凭名称断言某个患者的细胞在空间上被排斥、或一定适合某种治疗。分类结果要同时看分数：同样被分为 IA 的两位患者，一个可能明显偏向 IA，另一个可能只是略高于 IE。

模型需要 134 个特征，本次矩阵中有 129 个；缺失的 5 个按作者流程补为标准化尺度上的 0——这个 0 不是测得的"基因不表达"。

164/412 例（39.8%）的最高分小于 0.5，全队列最高分中位数 0.538。0.5 在这里只是便于观察的参考线，不是验证过的临床阈值；全部 412 例都保留，没有为让分组更清晰而剔除这些患者。模型来自作者的胃癌芯片数据，本次输入为 RNA-seq，且标准化依赖当前队列——迁移到另一批患者时需要重新评估，能顺利输出不等于完成了独立验证。

再看差异表达：先明确"谁减谁"。 主图比较 IA 减 IE：正值表示 IA 较高，负值表示 IE 较高。用三组设计纳入全部 412 例，在 log2(TPM+1) 上拟合 limma-trend。

每个比较检验 53,095 个基因并在该比较内做 BH 校正。以调整后 P<0.05 且绝对差异>0.5 为例：IA−IE 有 4,741 个基因（IA 高 2,690 / IE 高 2,051），IS−IE 有 3,102 个，IS−IA 有 1,204 个。火山图横轴是表达差异方向，纵轴是统计证据；显著但变化很小的基因和变化大但不确定性高的基因不能混为一谈。还有一个关键边界：类别本来就由表达特征推断，再用相同表达找类别差异，容易出现符合模型定义的信号——这可以解释分类器如何区分患者，却不构成独立的生物学验证。

然后看富集分析：从单个基因转向成组变化。 把全部 53,095 个基因按 limma t 统计量排序（不先筛显著），检验 IOBR 的 323 个基因集中满足大小范围的 244 个。

IA−IE 有 136/244 个基因集 q<0.05，IS−IE 有 169/244 个；图中只展示部分结果，完整表包含不显著的集合。以 IA−IE 为例：DNA 损伤修复（DDR）正向富集（NES 2.93），Normal_Fibroblast 负向（NES −3.17），TMEscoreB 偏向 IE（NES −3.77）。IA 与 IE 的差别同时涉及免疫、增殖和基质成分；这些结果不能证明肿瘤细胞本身发生了相应变化——细胞组成不同也会改变 bulk 表达。

最后回到患者和基因，检查标签有没有说得太满。

每个点是一位患者。IFNG 在 IA、IE、IS 中的均值分别为 1.819、0.710、0.653，IL1A 在 IS 中较高（2.193）。不要只看组间均值：组内仍有明显重叠，许多患者不会完全符合类别名称给人的直觉。

接下来怎么做

接着做第 7 章 TME 与基因组：加入突变信息，问"这些表达模式与基因组变化有什么联系"。想先核对本章，可以问："最高分低于 0.5 的 164 位患者，在 IA/IE/IS 里各占多少？他们的代表基因表达长什么样？"

模型版本、分类分数、差异与富集全表和实际代码见数据与运行说明。

参考：IOBR 肿瘤生态系统方法、TMEclassifier 作者仓库、模型研究论文。