当单細胞测序的UMAP图上起现某个孤单单的cluster徘徊在“上皮-抗体” 細胞群以外——它不存在常規Marker什么是基因组的“生份证明材料”，在数据资料库里也查暂无人。这是不生信进行分析的终站，还是场“細胞生份解码数据”的就开始。在单細胞科学研究中，聚类算法达到的cluster0、cluster1……仅仅是另一个阴冷的识别码，而細胞注脚，恰好把这种识别码译成成“T細胞”“癌細胞”“巨噬細胞”的“译成器”，当属单細胞测序的“二是脑部”。单細胞测序给咱们都看清聚集中每某个細胞的什么是基因组表现，但真正意义的挑戰取决：怎么才能给这种細胞“上集体户”？

一、上皮细胞参考文献标注的基本逻辑性：从 “字母编码查询” 到 “生物体定位”

细胞注释的本质，是通过基因表达特征 “反向推导” 细胞的功能身份。下图中提到的注释流程（图1）清晰展现了这一过程，简单来说分为三步：自动化注解打基本条件、手动操作时注解辨小细节、各方检验标准确。

图1 组织细胞注脚注意事项[1]

(1) 两个人主体的批注：既认“受损细胞定位”，也读“基因遗传用户名和密码”

组织细胞注音而不是从单一方面的做工作，而从两方向呈现：

• 神经元水平方向：回答“这是什么细胞”。比如通过CD4、CD8基因识别T细胞亚群，通过CD68标记巨噬细胞，这是最基础的“身份认证”；
• 碳原子品质：挖掘 “细胞在表达什么特殊基因”。通过热图、UMAP图（图2）展示每个cluster的Top10高表达基因，既能发现已知Marker，还可能找到新的RNA分子——这些“隐藏基因”往往藏着细胞功能的关键线索。

举个案例，当就是说cluster高表答Col3alDNA，通过GO注解出现它丰度在“胶原制作而成”径路，咱们就能预测这或许是成弹性纤维血体细胞——既认我输“血体细胞信息”，也解读了它的“职能密码忘了”。

图2 神经细胞Marker表观遗传大数据可视化

(2) 几步读懂生殖细胞批注：从机器到思维模式

很想给血细胞“优质上集体户口”，一些分析的“几步法”被称作食用规范：

独一歩：可以参考资料集 “一键相匹配”

就像用“人脸比对”找熟人，把待分析数据与公共参考数据集（如CellMarker2.0、PangoDB）比对。比如CellMarker2.0收录了人类445万+细胞的Marker基因，输入基因名称就能查到它常见于哪种细胞——这一步能快速锁定“嫌疑细胞类型”图3）。

其次步：原素 Marker 基因遗传 “标贴签”

比如说一键配备有歧义句，就用 “一般Marker” 来检验。比如说上皮血体细胞膜高把你想体现出来EPCAM，免疫体细胞膜血体细胞膜高把你想体现出来CD45，这经过了很多分析检验的“身份信息标示”，能来帮我们在排除问题引用。Seurat、Scanpy等方法可是实现此类人类基因，给血体细胞膜群 “盖戳注册”。

然后步：的功能本质特征 “深度.验身”

对“身分异常”的组织系，得看它的“动作基本特征”：实现地域差异表观遗传定性分折找回它具有的高表答表观遗传，就用GO、KEGG生物富集定性分折看这么多表观遗传参与者一些径路（比喻“组织系增值”“免疫检测初次应答”），也用GSVA定性分折它的径路化学活化。这的一步能替我们发现“新亚型”——比喻亦是是巨噬组织系，有的可能性高表答发炎表观遗传，有的则偏袒血液转化成。

图3 细胞膜MarkerDNA查证网页

二、恶性肿瘤中的内部引用：不仅是“认人”，关键在于“抓人贩子”

肺部肿瘤团队的组织系引用，号称“最繁复的定位正常识别当场”。这些不只能癌组织系的“独角戏”，还免疫系统组织系、成玻纤组织系、内皮组织系等“群演”，或者癌组织系自个还是会“掩藏”“基因变异”，给引用带来了大考验。

(1) 肉瘤模本的单组织细胞数据报告很复杂而言：

• 正常细胞→癌细胞：分化失控，异型增生
• 癌细胞高度异质
• 免疫细胞重塑、状态多样

故此，光靠中国传统marker其特性很难不胜任，需用染色体体现特证+CNV异常情况双从断定。

(2) 癌血细胞抒发与差别

▶选择肺癌涉及到的marker库看展现：如TCGA、OncoKB中已发现的癌人类基因展现特证EPCAM、KRTs（上皮性癌），CDKN2A、MKI67（增值能力）等； ▶识別肿癌 vs.非肿癌体神经元核地域差异：运用CNV（inferCNV（图4）、CopyKAT）识別会不造成脱色体文案数基因变异，辨别恶性恶性肿瘤瘤或非恶性恶性肿瘤瘤体神经元核，CNV可捕助辨别哪一些体神经元核是肿癌源。

(3) 用途方式注音

▶用GSVA进行分析肺部肿瘤信号通路（如EMT、p53、hypoxia）； ▶使用TISCH等数据源库获取癌肿类型的下的免疫抗体血细胞分类抒发谱。

图4 inferCNV分析一下效果范例

三、巨噬上皮细胞注音：从“一把刀钥匙”到“多齿口令”

在神经元注解中，巨噬神经元是最“善变”的实例产品之一。传统型上CD68标出巨噬神经元，但和一次多齿钥匙，每一家“齿纹”都对照与众不同亚型：

• 注释这些亚型时，不仅要看Marker基因，还要结合拟时序分析（Monocle/Slingshot）追踪其演变路径，甚至联合代谢通路分析，才能揭开它们的 “功能密码”（图5）。

图5 人天然免疫上皮细胞与亚型的marker引用范例[2]

四、遭遇到“查没有此人”的上皮细胞？5步玩法攻略破解网

当cluster既无Marker，又不符合可以参考数据显示集，别慌！从文中已给出了“5步注解攻略汇总”：

倘若还有难肯定，相结合三维空间转录组看它的“地点”——列如靠上血官的生殖细胞概率进行营养品运送，靠上良性肿瘤的概率进行免疫细胞促使，地点企业信息能给参考文献标注“加buff”。

拜谱总结ppt

单上皮细胞测序为我们打开了“看清细胞”的大门，但走进细胞世界，离不开注释这一“语言翻译器”。从肿瘤微环境的混战中找到关键调控细胞，从免疫细胞的变化中发现疾病机制。拜谱动物依托10x Genomics、墨卓等单人体细胞的平台，结合蛋白质组、新陈代谢组等多组学数据，配备丰富的marker数据库和标准化注释流程，帮你打通从“信息收集”到“动物学调研”的最后一公里。欢迎咨询合作！

考虑医学文献：

[1]Clarke ZA, Andrews TS, Atif J, et al. Tutorial: guidelines for annotating single-cell transcriptomic maps using automated and manual methods. Nat Protoc. 2021;16(6):2749-2764. doi:10.1038/s41596-021-00534-0 [2]Kock KH, Tan LM, Han KY, et al. Asian diversity in human immune cells. Cell. 2025;188(8):2288-2306.e24. doi:10.1016/j.cell.2025.02.017