CellTypist：基于跨组织图谱的单细胞自动注释利器

[ixxmu]

https://mp.weixin.qq.com/s/UbxEa5grnbNM4M-F5Uknng

[ixxmu]

CellTypist：基于跨组织图谱的单细胞自动注释利器 by 单细胞天地

开工大吉！

新春快乐，开工大吉呀！一晃眼年就过得差不多啦，又该重新出发开始新一年的努力啦！

祝大家在新的一年里：身体健健康康，学习工作顺顺利利，生活开心！

文章概述

文章标题：《Cross-tissue immune cell analysis reveals tissue-specific features in humans》

发表日期和杂志：2022年发表于Science

在线阅读链接：https://doi.org/10.1126/science.abl5197

数据库网址：https://www.celltypist.org/

Github链接：https://github.com/Teichlab/celltypist虽然是有点早期的文章了，但开发的数据库及工具还在维护更新！那这期就一起来了解一下这个注释工具叭！

研究背景

通过对12名成年捐献者的16种组织进行单细胞RNA测序和VDJ测序，共生成约36万个细胞的转录组数据。

开发了 CellTypist，一种用于快速精确细胞类型注释的机器学习工具。利用这种方法，结合详细的整理，确定了精细表型的免疫细胞类型的组织分布，揭示组织特异性免疫特征和T/B细胞的克隆结构。

构建跨组织免疫图谱

样本规模： 来自 12 位器官捐献者的 16 种不同组织。

组织类型：

• 淋巴器官：骨髓（初级）、脾脏、肺引流淋巴结、肠系膜淋巴结（次级）。
• 非淋巴/粘膜组织：肠道、肺、血液、肝脏。
• 其他： 胸腺、骨骼肌、大网膜。

经过严格质控，获得 329,762 个高质量免疫细胞。

CellTypist 工具的逻辑架构

针对单细胞注释中“自动化”和“跨组织”的难点，作者开发了 CellTypist，一个细胞类型数据库，其当前形式专注于免疫细胞，为 scRNA-seq 数据的自动注释提供了一个直接可解释的流程

1. 核心训练机制

• 数据集整合： 整合了来自 19 个参考数据集的 20 种组织，进行了深度的人工标注和层级统一。

• 算法模型： 采用 逻辑回归 (Logistic Regression) 结合 **随机梯度下降 (SGD)**。

• 层级设计： * 高层级 (High-hierarchy)： 低分辨率，包含 32 类主要细胞群。

• 低层级 (Low-hierarchy)： 高分辨率，细分为 91 类具体的细胞亚型。

• 准确率： 分类准确率（F1-score）达到 0.9 左右。

• 鲁棒性： 能够有效抵御基因表达稀疏（Sparse）和批次效应（Batch effects）的影响。

CellTypist 的注释表现：从宏观到微观

文献通过将 CellTypist 应用于自身的跨组织数据集，展示了其强大的解析力

1. 宏观层面（32 类大群）

• 识别能力： 成功识别出 15 个主要细胞群体。

揭示了淋巴组织与非淋巴组织之间、不同淋巴结之间清晰的细胞组成模式。

• 精准区分： 能够清晰分辨出转录组非常相似的单核细胞 (Monocytes) 与 **巨噬细胞 (Macrophages)**，以及各类造血祖细胞（如 HSC/MPP）。

2. 微观层面（91 类亚群）

• 精细化程度： 在数据集中识别出 43 种特定的免疫亚型。

• T 细胞分化： 不仅能区分  和  T 细胞，还能进一步识别出辅助性、调节性、细胞毒性 T 细胞，甚至包括 MAIT 细胞等非常规亚型。
• B 细胞与 DC： 区分了幼稚 B 细胞与记忆 B 细胞；在树突状细胞中精确分出 DC1、DC2 和迁移性 DC (migDCs)。

CellTypist可用的模型库

从网站首页导航栏的Resources可以找到下载预训练模型Models

CellTypist 的模型库非常丰富，目前已经积累了超过 60 个预训练模型。大致可以分为 通用免疫模型、组织特异性模型、疾病相关模型 以及 多物种模型 四大类。

这类模型基于多组织数据整合，是大多数单细胞注释的“第一选择”。

1. 核心通用免疫模型

• Immune_All_Low.pkl: 包含约 91 种细分免疫细胞亚型（如 , MAIT, DC1 等），分辨率最高。
• Immune_All_High.pkl: 包含约 32 种大类免疫细胞群体（如 T cells, B cells, Monocytes），适合初步分群。

2. 组织特异性模型（针对特定器官）

• 肺部：Human_Lung_Atlas.pkl (整合的人类肺图谱)、Cells_Lung_Airway.pkl (呼吸道细胞)。
• 肠道：Cells_Intestinal_Tract.pkl (涵盖胎儿到成人的肠道细胞)。
• 脑部：Adult_Human_PrefrontalCortex.pkl (前额叶皮层)、Adult_Human_MTG (颞中回)。
• 其他：Adult_Human_Skin.pkl (皮肤)、Adult_Human_PancreaticIslet.pkl (胰岛)、Adult_Human_Vascular.pkl (跨器官血管细胞)。

---

3. 疾病与发育模型

• COVID-19：Adult_COVID19_PBMC.pkl (新冠患者外周血)、COVID19_Immune_Landscape.pkl (肺部和血液免疫景观)。
• 发育/胎儿：Pan_Fetal_Human.pkl (全人类胎儿图谱，含基质和免疫细胞)、Human_Embryonic_YolkSac.pkl (胚胎卵黄囊)。
• 血液病：Adult_cHSPCs_Illumina/Ultima.pkl (循环造血干祖细胞，针对老化和骨髓增生异常综合征)。

---

4. 非人类物种模型

CellTypist 也在扩展对模式动物的支持：

• 小鼠：Adult_Mouse_Gut.pkl (成年小鼠肠道)、Developing_Mouse_Brain.pkl (发育中小鼠大脑)。
• 其他：Adult_CynomolgusMacaque_Hippocampus.pkl (猕猴海马体)、Adult_Pig_Hippocampus.pkl (猪海马体)。

结论与优势总结

1. 全组织视野 (Organ-agnostic)： 训练集涵盖多组织，解决了以往注释工具在不同器官间不通用的问题。
2. 高性能、低成本： 在性能评估中，其表现优于其他标签转移（Label-transfer）方法，且计算资源消耗极小。
3. 精细化基准： 能够以全转录组的广度，解析如祖细胞和树突状细胞等复杂的亚群状态。

这期就简单了解一下这个数据库，文献里面除了基本的介绍，还有CellTypist 自动注释在不同细胞亚群里面的应用。

下期我们可以一起探索一下如何下载使用CellTypist用于自动注释！