单细胞测序细胞注释全攻略：选择自动工还是手动验证，附常见细胞Marker基因
近年来，单细胞测序技术在生物医学研究中迅速发展，揭示了生命活动前所未有的细节。然而，面对浩如烟海的单细胞数据，如何准确地给细胞群体贴上“身份证”——即细胞类型注释，成为了研究者的关键一步。
本文将详细讲解单细胞测序中细胞类型注释的两大策略：自动工具与手动验证，并附上常用细胞Marker基因，助你轻松入门单细胞测序数据分析。
一、自动工具注释：高效又省心
自动注释工具可以大大提升分析效率，常用的工具包括：
| 工具名称 | 注释原理 | 特点 |
|---|---|---|
| SingleR | 利用参考转录组数据，通过相关性自动注释 | 便捷快速，依赖参考数据 |
| scCATCH | 依赖CellMarker数据库，快速自动注释 | 数据库依赖性强 |
| CellTypist | 基于机器学习模型和预训练数据进行细胞分类 | 精准高效，需预训练模型 |
优点：节省时间，快速得到初步结果。
缺点：依赖于参考数据库的完整性，可能忽略稀有或新发现的细胞类型。
实操演示（以Seurat为例）
# 标准注释流程代码示例pbmc <- CreateSeuratObject(counts = pbmc_data)pbmc <- NormalizeData(pbmc)pbmc <- FindVariableFeatures(pbmc)pbmc <- ScaleData(pbmc)pbmc <- RunPCA(pbmc)pbmc <- FindNeighbors(pbmc, dims = 1:10)pbmc <- FindClusters(pbmc, resolution = 0.5)pbmc <- RunUMAP(pbmc, dims = 1:10)# 使用SingleR自动注释library(SingleR)pred <- SingleR(test = pbmc@assays$RNA@data,ref = HumanPrimaryCellAtlasData(),labels = HumanPrimaryCellAtlasData()$label.main)
二、手动验证注释：精准又可靠
手动验证一般基于经典的Marker基因进行验证。研究者需要具备一定的生物学背景，参考文献与数据库对细胞类型进行核对。
手动验证一般基于经典的Marker基因进行验证。这一过程包括以下步骤：
- 初步筛选Marker基因：研究者根据既往文献、公共数据库（如CellMarker、PanglaoDB）确定目标细胞类型的经典标志基因。
- 数据可视化与验证：使用Seurat、Scanpy等工具的UMAP、t-SNE或DotPlot等方法进行Marker基因的表达可视化，观察目标基因在细胞群中的特异性表达情况。
- 多基因交叉验证：为提高准确性，通常需要选取多个Marker基因进行交叉验证，从而更准确地定义细胞亚型。
- 文献与数据库核实：进一步查阅最新文献和权威数据库，确认所注释细胞类型与已报道的细胞特征是否一致。
常用的细胞类型Marker基因列表如下：
1. 免疫系统细胞
2. 肿瘤微环境细胞
3. 神经系统细胞
4. 上皮组织细胞
5. 稀有细胞类型
数据获取方式
1. 动态数据库：
CellMarker 3.0
Allen Brain Atlas（神经特异性）
2. 本地资源包
# 下载预编译Marker基因集wget https://singlecellmarkers.org/human_all.csv
三、组合策略：推荐的实践方法
实际研究中，推荐的细胞注释策略是自动注释与手动验证相结合。
推荐流程：
- 利用自动工具（如SingleR、CellTypist）进行初步快速注释。
- 根据自动注释结果和经典Marker基因，进行手动验证与修正。
- 必要时，借助最新的大语言模型（如ChatGPT、GeneGPT等）进一步交叉验证和功能解读。
通过上述组合策略，研究人员既能高效处理数据，又能确保结果的准确性和可靠性。
小结
细胞类型注释的质量决定了单细胞测序后续分析的深度与准确性。自动工具与手动验证各有优势，灵活运用二者的组合策略才能游刃有余。希望本文的攻略与细胞Marker基因列表，能帮助大家在单细胞测序领域迈出坚实一步！
关注我们，获取更多前沿生物信息学研究成果！有什么想法可以在评论区评论，也可以私信获取原文PDF哦！
