单细胞测序数据分析：三个实用的细胞类型注释工具

单细胞测序数据分析：三个实用的细胞类型注释工具

单细胞测序技术在生命科学研究中发挥着越来越重要的作用，而细胞类型注释是单细胞数据分析中的关键步骤之一。本文将介绍三个常用的在线工具：CellMarker 2.0、ACT和singleCellBase，帮助科研人员快速准确地完成细胞类型注释。

在之前的内容中，我们介绍了如何在Seurat中实现降维聚类以及差异基因分析，并且得到了一张美美的UMAP图和各个cluster的marker基因，但这还远远不够。接下来，我们需要对这一系列cluster进行注释，也就是告诉别人这是什么细胞，这也很大程度上决定了后续的研究方向。相信做过单细胞注释的小伙伴都有感受，要综合成百上千的差异基因定义细胞群体并非易事。

那么今天，我们给大家介绍3个非常有帮助的网站，从此单细胞注释不再是烦恼！

CellMarker 2.0

CellMarker 2.0是由哈尔滨医科大学李霞教授团队建设完成，囊括了人和鼠的各类组织、器官的单细胞Marker基因，界面和使用都十分友好和简洁，网址如下：http://117.50.127.228/CellMarker/index.html。

一般来说有常见的3种使用模式：

1. 明确细胞类型，想知道该细胞的Marker基因有哪些，可以按下图①选择种类➡️②选择器官和细胞类型的路径。
2. 已知基因，想知道该基因是哪些细胞的Marker基因，可直接应用搜索功能。
3. 已知一系列的Marker基因，想知道应该注释为什么细胞，可使用cell annotation的功能

1. 已知细胞类型
   我们以心脏的巨噬细胞为例，按上述步骤选择物种和细胞类型后就到了以下页面，可以看到最常见的Marker基因，并且支持多种格式导出这些数据，点击DETAIL还提供相关的文献，是不是很贴心！

2. 已知基因
   在搜索框中搜索CD68，可以得到一张类似于dotplot的图，很直观得展示了CD68在各个组织和细胞中的分布👇。

3. 细胞注释
   这应该是我们最常用，也是最需要的功能，点击cell annotation后，还是选好物种和组织，将Marker基因粘贴之后点Submit，就会得到右边这个热图。它会根据输入的Marker基因提供可能的细胞类型并且打分，得分越接近于1就越可能是输入Marker基因所对应的细胞类型。

Annotation of Cell Types（ACT）

大家可以注意到，CellMarker每次只能注释一个细胞群体，但是UMAP中大部分情况下会出现多群cluster，那么一个个去注释就不那么方便了。因此，我们再给大家推荐同样由CellMarker团队开发的ACT，可以同时对多个cluster进行注释，网址如下：http://xteam./ACT/。同样的选好物种和组织，将Marker基因按照规定的格式粘贴在框内点击Submit后即可。

示例数据中共有3个cluster，选择返回top10的结果，点开cluster1，就可以看到结果按照Padj由小到大进行了排序，可以看到cluster1的注释主要围绕在T细胞或者NK细胞。

singleCellBase

singleCellBase和CellMarker类似，同样可以用于辅助细胞类型的注释，但它的优势在于，其数据库不仅包括了人和鼠，还有两栖类、防线虫、家禽、昆虫等模式生物，对于这些相关领域的研究来说有很大的参考价值。网址如下：http://cloud./SingleCellBase/index.jsp。

它的使用上也大同小异，主要包括前文提到的两种使用模式：

1. 已知细胞类型
2. 已知基因

以上就是本期推送的全部内容，大家对于推送内容有任何问题或建议可以在公众号菜单栏“更多--读者的话”栏目中提出，我们会尽快回复！

参考文献：

1. Congxue Hu, Tengyue Li, Yingqi Xu, Xinxin Zhang, Feng Li, Jing Bai, Jing Chen, Wenqi Jiang, Kaiyue Yang, Qi Ou, Xia Li, Peng Wang, Yunpeng Zhang, CellMarker 2.0: an updated database of manually curated cell markers in human/mouse and web tools based on scRNA-seq data, Nucleic Acids Research, Volume 51, Issue D1, 6 January 2023, Pages D870–D876, https:///10.1093/nar/gkac947

2. Fan-Lin Meng#, Xiao-Ling Huang#, Wen-Yan Qin, Kun-Bang Liu, Yan Wang, Ming Li, Yong-Hong Ren*, Yan-Ze Li* & Yi-Min Sun*. singleCellBase: a high-quality manually curated database of cell markers for single cell annotation across multiple species. Biomarker Research (2023) 11:83.10.1186/s40364-023-00523-3