《Nucleic Acids Research》：CellMarker 3.0: an updated resource of manually curated and computationally predicted cell markers in human/mouse and interactive web tools for single-cell and spatial transcriptomics analysis
编辑推荐：
更新后的CellMarker 3.0资源（CellMarker 3.0 resource）整合了人与小鼠多组织中经实验验证与稳健算法预测的细胞类型标志物基因，并配套用于单细胞RNA测序（scRNA-seq）与空间转录组学（ST）数据分析的Web工具。相较前一版
更新后的CellMarker 3.0资源（CellMarker 3.0 resource）整合了人与小鼠多组织中经实验验证与稳健算法预测的细胞类型标志物基因，并配套用于单细胞RNA测序（scRNA-seq）与空间转录组学（ST）数据分析的Web工具。相较前一版本，该资源新增274种组织、1877种细胞类型、64?040个标志物及1?245?923条组织–细胞类型–标志物关联记录；当前版本共涵盖930种组织、4455种细胞类型、90?955个细胞标志物，累计1?329?284条组织–细胞类型–标志物关联。研究人员将资源扩展至包含来自Spapros、Seurat::FindAllMarkers、SEMITONES、Cepo、CelliD与COSG六种算法计算预测的细胞类型标志物；新纳入来自168种测序技术（如CEL-Seq2、SNARE-seq）的标志物信息；覆盖35类标志物，包括蛋白质编码基因、rRNA与假基因。细胞工具模块经系统重构与升级：原有六个scRNA-seq分析模块被优化，并新增空间表达（Spatial Expression）与空间互作（Spatial Chat）两个空间转录组学模块。CellMarker 3.0是一个集成细胞身份识别、单细胞转录组学与空间转录组学分析的重要资源。
论文解读：CellMarker 3.0资源构建与单细及空间转录组分析平台升级
研究背景与立项依据
单细胞RNA测序（scRNA-seq，single-cell RNA sequencing）使研究者能够从个体细胞水平解析组织异质性，而空间转录组学（ST，spatial transcriptomics）进一步赋予转录组以原位空间坐标。两项技术的共同核心难点是细胞类型注释（cell-type annotation），即把无监督聚类得到的簇或空间位点赋予具有生物学意义的细胞身份。已有细胞标志物数据库多依赖人工从文献中整理实验验证标志物，存在覆盖范围有限、更新滞后、缺乏大规模算法预测候选标志物等问题。随着高通量单细胞与空间数据指数增长，仅靠已发表标志物会出现发现瓶颈。因此，研究人员在CellMarker 1.0与2.0基础上，构建CellMarker 3.0，将实验策展与多种算法预测标志物体系统一整合，并扩展交互式分析工具。该论文发表于《Nucleic Acids Research》。
主要关键技术方法
研究人员系统检索PubMed高影响力文献并人工策展标志物；同时收集算法原始验证集与GEO（Gene Expression Omnibus）中含明确细胞注释的单细胞数据集，经物种、组织与细胞类型名称标准化后，用Spapros、Seurat::FindAllMarkers、SEMITONES、Cepo、CelliD、COSG六种算法预测标志物。平台内置224个人类scRNA-seq数据集（来源于GEO，覆盖67种主要疾病）与280份人类肿瘤空间转录组切片（来源于GEO，覆盖20种癌症），统一质控后分别用Harmony、BANKSY、CARD、inferCNV、Monocle 2、CellPhoneDB、CellChat等流程完成分析与可视化。
研究结果
数据扩展与预处理（Data expansion and pre-processing）
研究人员通过文献筛选与人工审读，新增大量实验来源标志物，并为每条记录关联PMID、组织、疾病、测序技术与标志物类型。同时引入细胞高级分类（Cell name class）层级，消除不同研究间命名异质性。结果显示：人类关联记录922?055条、小鼠411?944条，其中算法预测记录合计1?183?080条。
计算预测细胞类型标志物（Computationally predicted cell-type markers）
应用六种算法在436个数据集中识别高置信标志物，同一关系被多算法支持时保留独立证据并记录支持数。结论：算法预测可补充文献未覆盖的潜在标志物，且支持数越多提示预测可靠性越高。
多样测序技术下的全面标志物注释（Diverse sequencing technologies）
整合168种技术来源，包括125种scRNA-seq技术、33种空间转录组技术与10种其他技术，显著拓宽技术维度标注能力。
升级的单细胞RNA测序Web工具（Updated scRNA-seq web tools）
内置六个模块：细胞注释（基于超几何分布与标志物支持数加权）、细胞聚类（Seurat v5，增加标志物气泡图）、细胞恶性（inferCNV拷贝数变异热图）、细胞分化（Monocle 2的T细胞轨迹）、细胞特征（小提琴图）、细胞通讯（CellPhoneDB v5配体–受体对）。结论：注释更透明、鲁棒，且可交互探索肿瘤微环境。
新增空间转录组学Web工具（Newly integrated spatial transcriptomics web tools）
新增Spatial Expression（BANKSY空间域识别、CARD解卷积、基因空间表达映射）与Spatial Chat（CellChat空间互作网络与通路活性）。结论：平台从纯单细胞注释扩展到原位空间组成与区域互作解析。
资源构建与界面（Resource construction and improved user interface）
后端采用MySQL与Java，前端用Vue.js重构，支持按组织、细胞类型、标志物、疾病、技术来源检索与下载，Cell Tools可直接对平台数据集做八类分析。
讨论与结论翻译
讨论指出，CellMarker 3.0通过纳入2023–2026年实验证据与六种算法预测结果，将标志物条目扩展至逾130万条，并补齐空间转录组工具链。研究人员认为该资源降低了细胞注释主观偏差，可服务于单细胞与空间数据中的细胞身份识别、异质性解析与微环境互作研究；未来计划加入小鼠单细胞数据及其他物种（如Zebrafish、Drosophila melanogaster、Caenorhabditis elegans）标志物。
研究结论（译自原文结论部分）
鉴于近期实验细胞标志物数量显著增长，研究人员更新并改进CellMarker资源。细胞标志物不仅是单细胞测序中定义细胞类型的基础，也是理解细胞异质性、分化轨迹与细胞间互作的重要分子标签。CellMarker 3.0大幅扩展资源规模，新增64?040个细胞标志物与1?245?923条组织–细胞类型关联标志物条目，总量超130万条；既整合文献实验验证标志物，也纳入六种稳健算法的高置信预测结果。同时分析工具包整体重构：升级六个核心scRNA-seq模块，新增两个空间转录组模块。CellMarker 3.0已发展为集成细胞身份识别、单细胞转录组分析与空间转录组分析的综合平台，可为研究者提供资源与工具，以精准识别单细胞与空间转录组中的细胞类型并深入解析其功能。研究人员将持续跟踪单细多组学与标志物识别算法进展，定期扩充数据与Web工具。
这篇解读已完成，接下来可以选择一个方向继续深化：
提炼论文可复用的分析流程与参数要点 对比CellMarker 3.0与前两代的核心差异 提炼论文可复用的分析流程与参数要点 对比CellMarker 3.0与前两代的核心差异
