CytoPheno：基于生物医学本体的流式与质谱细胞术自动化细胞类型命名工具

本研究针对流式细胞术（Flow Cytometry）和质谱细胞术（Mass Cytometry）数据分析中细胞簇表型注释的瓶颈问题，开发了自动化工具CytoPheno。该工具通过三阶段流程（标记表达分类、蛋白质本体匹配、细胞本体映射）实现了细胞簇的标准化命名，在6个基准数据集中达到85.9%的Top-5匹配准确率。其创新性在于首次整合了蛋白质本体（PRO）和细胞本体（CL）资源，通过图形化界面（R Shiny）解决了传统人工注释的主观性和低效问题，为单细胞多组学数据整合提供了标准化命名框架。

　　

随着流式细胞术（Flow Cytometry）和质谱细胞术（Mass Cytometry）技术的快速发展，研究人员现在可以同时检测单个细胞的40余种表面标志物。然而，这种高维数据的分析却面临巨大挑战——传统人工圈门（Manual Gating）不仅耗时（分析一个40标志物样本需20小时），还存在实验室间差异大、结果难以复现等问题。更棘手的是，即便采用自动聚类算法，后续的细胞簇表型注释仍依赖研究人员手动比对标志物表达模式，这个过程既容易带入主观偏差，又难以与日益丰富的生物医学本体资源对接。

为解决这一关键问题，美国辛辛那提儿童医院医学中心（Cincinnati Children's Hospital Medical Center）和辛辛那提大学医学院的研究团队开发了CytoPheno工具。这项发表在《Scientific Reports》的研究，首次实现了从原始数据到标准化命名的全自动化流程，其核心创新在于将生物医学本体与细胞表型分析深度整合。

研究人员采用三大关键技术：1）基于分位数归一化的标志物表达分类算法（Part 1），在3个质谱/光谱数据集验证中达到84.9-94.7%的阳性标志物识别率；2）多层级蛋白质名称标准化流程（Part 2），通过SPARQL查询将用户输入标志名匹配到蛋白质本体（PRO）术语，在176个人类标志物测试中匹配成功率97.2%；3）基于细胞本体（CL）的语义匹配引擎（Part 3），采用改进Jaccard相似度评分（Match Score）在92个基准细胞类型中实现85.9%的Top-5匹配准确率。

标志物表达分类性能验证
通过Samusik小鼠骨髓、Kimmey人PBMC等数据集测试，算法对阳性标志物的敏感度达84.9-94.7%。特别在CD14^lowCD16⁺非经典单核细胞等复杂表型中，通过引入"null"分类有效避免了误判。

标志物名称标准化流程
构建包含563种人类标志物的开发数据集，建立从原始名称到PRO术语的7步匹配路径。在含金属标签的鼠标标志物测试中，60.3%的案例通过针对性建议实现后续匹配。

细胞类型命名准确性
在6个基准数据集（含103种细胞类型）测试中，92.2%的细胞类型能在CL中找到对应术语。其中OMIP-63人PBMC数据实现100%的Top-5匹配率，证明工具对标准化免疫分型方案的高度适配性。

这项研究的突破性在于首次创建了连接实验数据与生物医学本体的完整通路。通过将CytoPheno工具开源并集成到R Shiny图形界面，研究人员既保留了无监督聚类发现新细胞亚群的优势，又解决了其结果难以标准化解读的痛点。工具采用的CL/PRO本体框架，不仅提高了单细胞数据的可重复性，更为多组学数据整合提供了语义一致的命名基础。正如作者Amanda R. Tursi等强调的，随着Cell Ontology持续更新（2024年发布7个版本），该工具将能动态纳入新发现的细胞亚群标志，推动免疫学研究的标准化进程。

从临床应用角度看，CytoPheno的标准化输出显著提升了不同实验室间数据的可比性，这对于大规模免疫监测研究（如疫苗评估、自身免疫病分型）尤为重要。虽然当前版本主要聚焦稳态免疫细胞（CL涵盖约3000种细胞类型），但其模块化设计为未来整合疾病特异性本体（如肿瘤微环境标志）预留了接口。研究团队特别指出，工具允许用户上传自定义标记-细胞类型对照表，这种灵活性使其能快速适配前沿研究需求，如COVID-19特异性T细胞表型分析等新兴领域。