细胞注释是单细胞分析中很关键的环节，初期会比较痛苦，做多了才会悟出一些规律。
我公众号早期写过几篇细胞注释相关的帖子：
- 单细胞分析实录(7): 差异表达分析/细胞类型注释
- SingleR如何使用自定义的参考集
除了写代码，我其实也用过三个不错的网站去辅助单细胞数据的注释，自己用了很长时间，觉得确实不错，所以想推荐给大家。
不包含CellMarker，主要是我个人觉得它不好用，经常输入一个marker，会出来好几种细胞类型，让人很难选择（也可能是我的用错了？）。比如我输入一个CPA3，它会显示：
如果不熟悉这个基因就很难选了。（实际上这是Mast cells很典型的marker基因）
再后来它的网站打不开，我就没怎么用了。
下面介绍这三个网站，以一个实际分析中产生的表格为例（细胞类型已经被我mask掉了，能一眼看出来的算老手了，哈哈，那就假装不知道吧）
PanglaoDB
网址：https://panglaodb.se/search.html
输入基因名之后（以第一个基因TPSAB1为例），就会出现一些统计信息：
- 有多少
高表达该基因的cluster被注释成了对应的celltype
- 在不同数据集中，该基因表达排名第几（越靠前越好）
Enrichr
网址：https://maayanlab.cloud/Enrichr/
其实这是一个做富集分析的网站，非常好用。（不过大部分人都只熟悉clusterProfiler）
我今年才发现这个网站上线了细胞注释的板块，整体不错。细胞注释有一种思路是仿照富集分析来做的，只不过把常用的通路基因集换成了细胞类型marker基因集。
用法很简单，丢进去差异基因就可以了。下面我复制粘贴示例表格的前100个基因（按照avg_log2FC排序，具体数量不固定，一般选几十上百就可以）
点击Cell Types
它给的参考数据库比较多，需要
鉴别一下，这里我只列举了两个参考数据库。
CellTypist
网址：https://www.celltypist.org/
用法很简单，按照要求上传文件即可（如果是免疫细胞，其他选项不用改；如果是非免疫细胞，还需要Select Model）
GitHub上面也有python和命令行用法（写得很清楚），一般细胞数多了，我就用命令行去跑，速度也挺快：
https://github.com/Teichlab/celltypist
我个人觉得单细胞软件自动注释的结果好坏更取决于参考集的质量，比起软件本身。第三个工具免疫细胞注释结果比较准，非免疫细胞一般。
我现在已经不用singleR注释免疫细胞了，主要是这个工具的命令行实在太简单了，基本一两行就OK。
不管是用啥软件对每个cell自动注释，我都只是作为参考，最终注释会在cluster水平上重新定义。比如cluster0有99%的细胞注释成A，1%的细胞注释成B，若确认只有cluster0高表达A的marker基因(比如画小提琴图；这一步叫手动注释)，最终这些细胞都会被注释成A。——（手动、自动相结合的注释策略）
好啦，先介绍这些，我们下期再见！点击”阅读原文“，可以评论哦~
