## 1. 项目背景与核心价值 单细胞测序技术正在彻底改变我们对免疫系统的认知方式。作为免疫研究中最关键的细胞群体，CD45+白细胞（包括淋巴细胞、髓系细胞等）的精准注释一直是数据分析的难点。我在处理十几个单细胞项目后发现，超过60%的初学者会在免疫细胞亚群注释环节卡壳——不是把B细胞和单核细胞搞混，就是把不同状态的T细胞亚群错误归类。 这份Marker指南的独特价值在于： - 首次系统整理人/小鼠跨物种的CD45+免疫细胞标记基因 - 标注了各Marker的特异性等级（独家/辅助/排除性标记） - 包含实际项目验证过的表达阈值建议 - 特别区分了组织驻留vs循环免疫细胞的差异标记 ## 2. 核心标记基因全景图 ### 2.1 跨物种标记对照表 | 细胞类型 | 人源特异性标记 | 鼠源特异性标记 | 保守性标记 | |----------------|-------------------------|-------------------------|----------------------| | Naive T细胞 | CCR7+, LEF1+ | Cd62L+, Tcf7+ | SELL+, IL7R+ | | 经典单核细胞 | CD14++, FCGR3A- | Ly6C++, Ly6G- | S100A8/9+ | | 浆细胞样DC | CLEC4C+, LILRA4+ | SiglecH+, Bst2+ | IRF7+, TLR7+ | > 注："+"/"++"表示表达强度建议阈值，基于10X Genomics平台的UMI计数经验值 ### 2.2 组织特异性标记陷阱 - 脾脏B细胞会异常表达CD138（通常为浆细胞标记） - 肿瘤微环境中T细胞普遍下调CD27/CD28 - 小肠巨噬细胞特异性表达CD209（常规组织为阴性） ## 3. 实战注释流程详解 ### 3.1 质量控制前置步骤 1. 线粒体基因过滤：人源<10%，鼠源<15%（免疫细胞线粒体含量较高） 2. 双峰分布处理：使用DoubletFinder时建议设置pcSelect=TRUE 3. 批次校正：对HTO数据优先采用DSB算法而非CCA ### 3.2 分群-注释迭代策略 ```r # 推荐代码框架 immune_annotation <- function(seurat_obj){ # 第一轮粗注释 FindClusters(resolution=0.8) CellTypist::annotate(marker_list=basic_immune_markers) # 亚群精细拆分 subset_obj <- subset(seurat_obj, idents="T cells") FindClusters(resolution=1.2) apply_secondary_markers(tcell_subset_markers) }3.3 关键参数优化
- PCA维度选择：免疫细胞建议dims=1:20（比上皮细胞少5-10个PC）
- UMAP种子值：设定set.seed(123)保证可重复性
- 差异基因分析：默认logfc.threshold=0.25需改为0.1（免疫细胞差异较细微）
4. 高频问题解决方案
4.1 标记基因不表达的应对
- 检查细胞活性：看HSP基因是否上调
- 确认数据版本：小鼠标记需对应mm10/mm39
- 尝试替代标记：如CD8A不显著时可看CD8B
4.2 跨界亚群区分技巧
- 单核vsDC：补充FLT3、CD1C检测
- NK vs Cytotoxic T：必看FCGR3A(CD16)和CD3D
- 浆细胞vsB细胞：IRF4+MKI67+组合最可靠
5. 进阶应用场景
5.1 发育轨迹分析要点
- 早期祖细胞：保留CD34+CD38-群体
- 谱系分支判断：建议使用Slingshot而非Monocle3
- 伪时间校准：用CytoTRACE评分作为基准
5.2 跨平台数据整合
- 10X与Smart-seq2混合时：先分别聚类再锚定转移
- CITE-seq蛋白标记：CD45抗体比基因表达更稳定
- 冷冻vs新鲜样本：重点关注HLA-DR表达偏移
6. 个人实战心得
经过三年单细胞项目锤炼，这几个经验可能让你少走弯路：
- 永远保留一个未过滤的原始对象（用于回溯被误删的稀有群体）
- CD45-细胞中可能隐藏着重要的免疫前体细胞（如CLP）
- 小鼠脾脏数据建议单独处理（红系细胞干扰严重）
- 遇到注释矛盾时，回归到CD45/SSC-A散点图重新审视
