細胞注釋是單細胞研究中十分重要的環節，人工注釋需要借助文獻檢索或者結合常用的注釋數據庫來尋找marker基因，準確性相對較好，但對于研究者研究背景的了解程度具有一定的要求，并且比較耗時。軟件自動化注釋一般是使用軟件內置參考數據集進行注釋，操作相對簡單，雖然準確性較人工注釋相對稍差，但可以作為一種很好的輔助注釋手段。

SingleR 是一個用于對 scRNA-seq 數據進行細胞類型自動注釋的 R 包，其自帶 7 個參考數據集，包括 5 個人類和 2 個小鼠數據集：

· 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注釋結果展示

首先， 基于singleR參考細胞類型對實驗樣本的每個細胞進行評分，若細胞在一個參考細胞類型中的得分顯著高于其他標簽，表示對應的細胞類型可能性越大。結果由細胞評分熱圖展示，如下圖：

圖1：細胞評分熱圖

橫軸代表樣品中的每個細胞，縱軸為 Single R 參考細胞類型；黃色到藍色代表細胞評分逐漸降低，細胞在一個標簽的得分越高，表示對應的細胞類型可能性越大。

除了對每個細胞的所屬細胞類型進行評分外，singleR還會對seuret聚類結果中每個cluster中各細胞類型比例進行分析，評估每個cluster所屬的細胞類型。結果由細胞比例矩陣圖展示，如下圖：

圖2：細胞比例矩陣圖

縱軸為 Single R 參考細胞類型，橫坐標為樣本 cluster，紅色越深細胞比例越高，表示該細胞類型在當前cluster中的占比越高。

在得到每個細胞所屬細胞類型的評分以及每個cluster中的細胞比例， Single R會基于上述數據進行細胞類型注釋，并繪制細胞類型注釋結果的tSNE/UMAP圖。結果如下圖所示：

圖3：細胞分群 tSNE 圖

圖4：細胞分群 UMAP 圖

關于SBC中心實驗室

SBC中心實驗室聚焦單細胞、空間多組學前沿技術，圍繞基因組、表觀組、轉錄組、蛋白組、代謝組和微生物組等多維組學研究，以國際一流水平的技術平臺，二十余年專業經驗的技術團隊，打造創新產品服務體系，高效助力科學發現產品研發。中心始終以嚴謹的科學態度，堅持創新，服務國家重大戰略任務，推動技術成果轉化應用和帶動產業集群發展。長期舉辦學術論壇、專題研討會、前沿技術培訓，為數十家跨國制藥企業和上千家國內科研機構、院校、醫院提供系統全面一站式的科研與轉化解決方案，日益發揮面向生物醫藥全行業功能效益和策源動力。