乔粒：做单细胞测序，很重要的一个步骤就是——marker基因注释。查询marker的途径有：翻阅文献、查询PanglaoDB、查询SingleR参考集。其中CellMarker3.0算得上是解决了我们的燃眉之急。Cell Markwr3.0网址：bio-bigdata.hrbmu.edu.cn/CellMarker
一、CellMarker3.0背景
CellMarker是哈尔滨医科大学团队开发的细胞标记物数据库，在2019年初次发表在Nucleic Acids Research上。现在3.0版本正式发布，并且增加了2个分析工具。
二、数据量
总数据——3.0版本整理了超过132万条"组织-细胞类型-标记物"对应关系。数据来源：①已发表论文里人工整理的marker，②用机器学习算法从单细胞数据集里整理出来的marker。
人源数据——包含：482种组织、3190种细胞类型、涉及1100种疾病，共有60189个marker。
小鼠——包含433种组织、2266种细胞类型、646种疾病，47422个marker。
与2.0比，人源marker数量、细胞类型翻倍。包含的测序技术有168种，marker来源有5类，marker类型有35种。
四、使用方法
1.首页（Home）
包含：数据库的整体介绍，和数据量统计。
①数据统计：人源：482种组织、3190种细胞类型、1100种疾病、60189个marker。小鼠：433种组织、2266种细胞类型、646种疾病、47422个marker。共统计了168种测序技术、35种marker类型、5种marker来源。再往下边就是 Cell Tools 区域，点击图标就能进入对应的工具页面。
2.Marker搜索（Search）
Search 用来查单个基因相关的细胞类型信息。在顶部导航栏点 “Search” 进入。
搜索框支持三种输入方式：
①基因别名（Gene alias）：如输入 CD133，这是 PROM1 的常用别名
②基因符号（Gene symbol）：如输入 PROM1
③基因 ID：如输入 8842（NCBI Gene ID）
结果：会展示输入基因分布组织、细胞类型里被标记为 marker列表，数据来源为文献整理or算法预测，以及对应的测序信息。
3.数据浏览（Browse）
Browse 可用来按分类浏览数据库里的内容。在顶部导航栏点 “Browse” 。
使用：选择人or 小鼠——组织（如肺、肝、肾）——查看组织里收录了哪些细胞类型、每个细胞类型有哪些 marker 基因（数据来源——人工整理/算法预测）
4.Cell Tools 分析工具
cellMarker3.0版本网页端提供8个分析工具，可以在网页上直接分析。
使用方法：上传数据/选择内置数据集，可以在首页点击对应图标进入，或者从导航栏 “Cell Tools” 下拉菜单选择。
8个工具一共可分为两类：
空间转录组2个——3.0版本新增
①空间表达（Spatial Expression）——可以在组织切片上看基因的空间表达分布，适配空间转录组。
选择空间转录组数据集——输入感兴趣的基因——在组织切片图像上标注该基因的表达位置和强度
②空间通讯（Spatial Chat）——分析空间层面上的细胞间通讯，增加空间位置信息。
选择空间转录组数据集——工具计算相邻细胞群之间的配体-受体互作——展示通讯强度和细胞群之间的空间距离关系
单细胞相关：6个
③细胞注释（Cell Annotation）——输入marker基因列表，自动判断属于什么细胞类型。
进入页面后，先选物种（Human 或 Mouse）——选组织类型（下拉菜单，比如 Lung、Kidney、Blood 等）——在输入框里粘贴基因列表（一行一个基因名或者用逗号隔开）——点 Submit 提交——结果：生成热图，展示输入的基因在各个细胞类型里的富集情况。
④细胞聚类（Cell Clustering）——在线聚类可视化 + marker 表达展示 + cluster 间差异基因分析。
进入页面，选择数据集（如公开数据集（如肾透明细胞癌 GSE171306），或者上传自己的数据）——选择要展示的 marker 基因——聚类可视化图（UMAP/tSNE），标注不同 cluster 的位置和 marker 表达情况——可做 cluster 间的差异基因比较。
⑤细胞恶性度（Cell Malignancy）——预测拷贝数变异（CNV），区分肿瘤细胞和正常细胞。
选择数据集（如内置肾透明细胞癌数据 GSE171306）——以正常细胞作为参考，计算肿瘤细胞相对于正常细胞的基因表达变化——推测哪些染色体区域有扩增或缺失，有显著 CNV 的细胞判定为恶性。
⑥细胞分化（Cell Differentiation）——分析T细胞的分化轨迹，拟时序分析。
选择数据集（如内置肾透明细胞癌数据 GSE171306）——对 T 细胞群体做拟时序分析——展示 T 细胞从早期到晚期的分化轨迹
⑦细胞特征（Cell Feature）——探索特征基因，哪些基因在特定细胞群里高表达。
选择数据集（如内置肾透明细胞癌数据 GSE171306）——选择基因/自动识别特征基因——展示基因在不同细胞群里的表达模式
⑧细胞通讯（Cell Communication）——分析细胞间的信号通讯，受体-配体分析。
选择数据集（如内置急性髓系白血病数据 GSE227903）——计算不同细胞群之间的配体-受体对活性——展示细胞群之间的信号通讯
5.数据下载（Download）
Download 提供批量下载，在导航栏点击 “Download” 。
| 文件名 | 内容 | 格式 |
|---|---|---|
| All cell markers | 人和小鼠所有组织所有细胞类型的全部 marker | .zip |
| Human cell markers | 人源 | .zip |
| Mouse cell markers | 小鼠 | .zip |
| Single cell markers | 来源于单细胞测序研究的 marker | .zip |
| Computational cell markers | 机器学习算法预测的 marker | .zip |
6.帮助文档（Help）
Help 提供数据库的介绍和背景信息，在导航栏点 “Help” 。
User`s Gudie还可学习网站的使用方法。
主要包含内容：
①数据库发展历史（2018年初版 → 2022年2.0 → 当前3.0）
②数据量和覆盖范围说明
③工具功能概括
④数据来源和整理方法
⑤发表文献的信息（前两个版本发表在 Nucleic Acids Research，被引超过 2700 次）
Cell Markwr3.0网址：bio-bigdata.hrbmu.edu.cn/CellMarker
乔粒科研工坊 ：以解牛之法析生信，观微雀之形览科研！
今天的cellmaarker3.0工具就到这里啦，可以在评论区交流！
