【多组学和临床转化系列】单细胞注释拿不准，先查这三件事

报告把一个细胞群标成“成纤维细胞”，你准备围绕它设计机制实验。动手前，值得先问一句：这个名字，有哪些证据支持？

单细胞注释，就是根据表达等信息判断细胞身份。聚类图上的 cluster，是算法把表达相近的细胞放在一起形成的群，未必对应一种细胞类型。

同类细胞可能因状态不同分成几群，一个群也可能混有多种类型。标签会影响后续验证对象，关键群值得多核对一步。

**件：标志物能互相印证吗？

marker 就是帮助辨认细胞身份的标志物。单个标志物可能在多种细胞中表达，不能看到一个熟悉的名字就定类型。应一起看：

• 哪些标志物支持当前判断？
• 哪些标志物帮助排除其他类型？
• 信号在群内如何分布，是多数细胞都有，还是少数细胞贡献了高值？

群平均表达升高，不代表每个细胞都表达。固定凑够几个 marker，也不是注释合格的标准。

第二件：自动注释的参考，适合这批样本吗？

自动注释工具会参照已有数据给细胞贴标签。参考中缺少相应组织或疾病状态时，工具可能给出“最接近”的已知标签，却未必符合真实身份。

对影响主要结论的群，应重点复核，记录候选标签及依据。两个工具给出同一名字，也不等于完成了独立验证。

第三件：“身份”和“状态”分清了吗？

“激活”“增殖”“应激”通常描述细胞所处的状态，不一定意味着出现了新类型。可以先确定较宽的细胞类型，再讨论状态差异。

如果证据冲突，保留宽泛标签或暂标“未定”，能更准确地反映当前证据。

假设一个暂标为成纤维细胞的群出现较强免疫信号，先查信号是否来自同一细胞，再排查双细胞、环境 RNA 和群内混杂。双细胞是两个细胞被一起捕获；环境 RNA 是周围游离 RNA 带来的信号。不要直接改标为髓系细胞。

对决定课题主线的关键群，可用组织共染或流式等独立方法验证，同时核对抗体特异性和判读标准。把身份确认到证据支持的程度，再安排后续实验。

参考阅读

• Tutorial: guidelines for annotating single-cell transcriptomic maps using automated and manual methods. *Nat Protoc*, 2021.
• Automated methods for cell type annotation on scRNA-seq data. *Comput Struct Biotechnol J*, 2021.

关键细胞群注释有冲突？把脱敏表达图、候选标签和组织背景发给我们，帮你复核判读依据。联系 叶博士 13780009482。

#多组学 #单细胞测序 #细胞注释 #生物信息 #如耀生物