cellxgene是单细胞领域不可多得的资源，作为一个数据库里面目前包含了2124个数据集，囊括1117种细胞类型，共有156M细胞。除了人和小鼠外，还收录有Callithrix jacchus、Danio rerio、Macaca mulatta、Microcebus murinus、Pan troglodytes、Sus scrofa、Sus scrofa domesticus。
网站：https://cellxgene.cziscience.com
除了单细胞数据外，数据库还收录了一系列训练好的细胞类型模型，用户可以直接用于自有数据的细胞类型注释：
网站可以直接探索里面的公共数据，能够很方便地做一些基础的数据操控如选子集、细胞比例、基因或基因集表达情况、差异基因 (Welch's t-test) 等。
如果想利用其对自有的数据进行一些探索，需要在相应的云平台上先注册一下，本人没有实际体验，这里就不详细介绍了。还有一种选择是在本地安装，然后探索数据。本地探索最大的好处就是数据安全，而且该软件也能提供数据库网站式的本地网站来探索数据，无需任何代码，全程通过页面即可完成。
cellxgene launch myocardial_infarction.h5ad
探索自有数据，需要数据满足相应的要求：
1、Matrix data (usually raw or normalized expression values) in anndata.X
2、At least one embedding (e.g., tSNE, UMAP) in anndata.obsm, specified with the prefix X_ (e.g., by default scanpy stores UMAP coordinates in anndata.obsm['X_umap'])
如果探索自有数据时，想自定义分类变量绘图时的配色，可以通过类似如下的方式修改：
adata.uns["celltype_colors"] = np.array(['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#bcbd22'])
如果想在本地对自有数据做细胞类型注释，先根据自身数据的特点选择合适的模型，然后进行注释：
cellxgene annotate pbcm3k_h19.h5ad -m hlca_20230314151144.zip -o pbcm3k_h19_anno.h5ad
