单细胞测序最好的教程(八): 基于marker的自动注释

发布网友发布时间：2024-10-13 21:34

共1个回答

热心网友时间：2024-11-13 20:10

在单细胞测序最好的教程（八）中，作者重点讲解了基于marker的自动注释方法，旨在提高对未知组织细胞类型的识别效率。通过自动注释，初学者可以快速了解细胞类型，无需从头开始。教程详细区分了依赖GPU的深度学习模型和不需GPU的统计学模型，以SCSA为例，它通过比较细胞簇的特异性marker与数据库中的细胞类型marker，进行自动分类，可能将差异性不大的细胞标记为Unknown。使用预先注释的人类骨髓数据进行测试，可以对比手动注释的准确性。

在自动注释过程中，首先对单细胞测序数据进行聚类，如使用SCSA模型。SCSA的准确度曾被质疑，但随着数据库的更新，如omicverse整合和CellMarker的升级，算法性能得到提升。ov.single.pySCSA函数有特定参数设置，比如celltype和target，需要使用pySCSA_2023_v2_plus.db数据库。注释结果显示，自动注释有时会出现误分类，如将Hematopoietic stem cell标注错误，而neuron这类细胞类型由于自动注释的局限性未被识别。

除了CellMarker，还可以尝试panglaodb数据库，它能提供更细化的细胞类型注释，如红细胞和T细胞亚群。然而，实际应用中，对于大类注释，精细化的细胞类型可能并不必要。教程还介绍了获取特定细胞类型marker的函数，以及未来将增加其他物种数据库的支持。