单细胞细胞注释详解之singleR细胞注释

细胞注释是单细胞研究中十分重要的环节，人工注释需要借助文献检索或者结合常用的注释数据库来寻找marker基因，准确性相对较好，但对于研究者研究背景的了解程度具有一定的要求，并且比较耗时。软件自动化注释一般是使用软件内置参考数据集进行注释，操作相对简单，虽然准确性较人工注释相对稍差，但可以作为一种很好的辅助注释手段。

SingleR 是一个用于对 scRNA-seq 数据进行细胞类型自动注释的 R 包，其自带 7 个参考数据集，包括 5 个人类和 2 个小鼠数据集：

· BlueprintEncodeDataBlueprint (Martens and Stunnenberg 2013) and Encode (The ENCODE Project Consortium 2012) （人）；

·DatabaseImmuneCellExpressionDataThe Database for Immune Cell Expression(/eQTLs/Epigenomics)(Schmiedel et al. 2018)（人）；

·HumanPrimaryCellAtlasDatathe Human Primary Cell Atlas (Mabbott et al. 2013)（人）；

· MonacoImmuneDataMonaco Immune Cell Data - GSE107011 (Monaco et al. 2019)（人）

· NovershternHematopoieticDataNovershtern Hematopoietic Cell Data - GSE24759（人）

· ImmGenDatathe murine ImmGen (Heng et al. 2008) （鼠）

· MouseRNAseqDataa collection of mouse data sets downloaded from GEO (Benayoun et al. 2019).（鼠）

SingleR注释结果展示

首先， 基于singleR参考细胞类型对实验样本的每个细胞进行评分，若细胞在一个参考细胞类型中的得分显著高于其他标签，表示对应的细胞类型可能性越大。结果由细胞评分热图展示，如下图：

图1：细胞评分热图

横轴代表样品中的每个细胞，纵轴为 Single R 参考细胞类型；黄色到蓝色代表细胞评分逐渐降低，细胞在一个标签的得分越高，表示对应的细胞类型可能性越大。

除了对每个细胞的所属细胞类型进行评分外，singleR还会对seuret聚类结果中每个cluster中各细胞类型比例进行分析，评估每个cluster所属的细胞类型。结果由细胞比例矩阵图展示，如下图：

图2：细胞比例矩阵图

纵轴为 Single R 参考细胞类型，横坐标为样本 cluster，红色越深细胞比例越高，表示该细胞类型在当前cluster中的占比越高。

在得到每个细胞所属细胞类型的评分以及每个cluster中的细胞比例， Single R会基于上述数据进行细胞类型注释，并绘制细胞类型注释结果的tSNE/UMAP图。结果如下图所示：

图3：细胞分群 tSNE 图

图4：细胞分群 UMAP 图

关于SBC中心实验室

SBC中心实验室聚焦单细胞、空间多组学前沿技术，围绕基因组、表观组、转录组、蛋白组、代谢组和微生物组等多维组学研究，以国际一流水平的技术平台，二十余年专业经验的技术团队，打造创新产品服务体系，高效助力科学发现产品研发。中心始终以严谨的科学态度，坚持创新，服务国家重大战略任务，推动技术成果转化应用和带动产业集群发展。长期举办学术论坛、专题研讨会、前沿技术培训，为数十家跨国制药企业和上千家国内科研机构、院校、医院提供系统全面一站式的科研与转化解决方案，日益发挥面向生物医药全行业功能效益和策源动力。