单细胞免疫注释：CD45+细胞标记与实战策略

1. 单细胞免疫注释的核心挑战

在单细胞转录组分析中，免疫细胞注释一直是最具挑战性的环节之一。CD45作为白细胞共同抗原（PTPRC基因编码），其阳性表达细胞涵盖了所有免疫细胞谱系。但免疫系统本身的复杂性和细胞亚群的高度异质性，使得准确注释成为分析路上的第一道技术关卡。

我处理过的数百个单细胞项目中，约70%的注释错误都发生在免疫细胞群体。新手常犯的典型错误包括：将激活的T细胞误判为NK细胞、把髓系前体细胞与单核细胞混淆、或无法区分不同发育阶段的B细胞。这些错误会直接导致后续差异分析和功能解读的全面偏差。

2. CD45+免疫细胞全景Marker系统

2.1 核心标记基因的选择逻辑

真正的实用型Marker需要满足三个条件：

1. 特异性：在目标亚群中稳定高表达
2. 排他性：在其他亚群中表达量极低
3. 技术可靠性：在单细胞数据中能被稳定检测

以T细胞为例：

• CD3D/E/G是理想的泛T标记，但单细胞数据中常因dropout导致漏检
• 替代方案是组合使用TRAC+TRBC1/2（TCRα/β链）
• 细胞毒性T细胞要同时看CD8A和GZMB，避免将CD8+静息态与激活态混淆

2.2 人源免疫细胞标记速查表

特别注意：CD4在单细胞数据中检出率不稳定，建议用IL7R+CD3E+组合鉴定CD4+ T细胞

2.3 小鼠模型的特殊考量

小鼠与人类免疫标记存在关键差异：

• 小鼠T细胞：Thy1（CD90）比CD3更稳定
• 小鼠B细胞：Cd79b比Cd79a表达量更高
• 巨噬细胞：Adgre1（F4/80）是小鼠特有标记
• 中性粒细胞：S100a8/a9在小鼠中特异性更强

3. 注释实操中的黄金法则

3.1 必做的质量控制步骤

1. 双重过滤：

   • 细胞水平：线粒体基因比例<20%
   • 基因水平：去除血红蛋白基因（HBA/HBB）

2. 表达量标准化：

   r复制# Seurat中的正确做法
   seu_obj <- NormalizeData(seu_obj, 
                          normalization.method = "LogNormalize",
                          scale.factor = 10000)
   

3. 批次校正：

   • 不同样本间建议用Harmony或CCA整合
   • 避免直接合并原始count矩阵

3.2 分步注释策略

1. 第一层：主要免疫大类

   • 淋巴细胞：CD3E/CD19/NCAM1
   • 髓系细胞：CD14/CD1C/FCER1A

2. 第二层：亚群细分

   • T细胞：CD4 vs CD8 vs γδT
   • B细胞：Naive vs Memory vs Plasma

3. 第三层：功能状态

   • 激活标志：HLA-DR, CD69
   • 耗竭标志：PDCD1, LAG3

3.3 可视化验证技巧

• UMAP图上必须检查：
  • 标记基因的表达梯度（避免二值化判断）
  • 关键负向标记的缺失情况
  • 亚群间的过渡状态细胞比例

r复制# 推荐绘图代码
FeaturePlot(seu_obj, 
           features = c("CD3E","CD19","NCAM1"),
           blend = TRUE,
           order = TRUE)

4. 高频问题解决方案

4.1 标记基因不表达的真相

• 技术原因：

  • 测序深度不足（建议>50,000 reads/cell）
  • 细胞破损导致RNA泄漏（检查Malat1比例）

• 生物学原因：

  • 细胞处于静息状态（如Naive T细胞）
  • 表型转换（如EMT过程中的标记丢失）

4.2 混杂群体的破解方法

当发现CD3E+CD19+的"怪细胞"时：

1. 检查双细胞率（DoubletFinder工具）
2. 验证是否真实存在B-T杂交细胞
3. 大概率是液滴包裹多个细胞的技术假象

4.3 跨物种注释的陷阱

• 直系同源基因可能功能不同：

  • 人CD8α由CD8A编码
  • 小鼠Cd8a和Cd8b形成异源二聚体

• 某些标记完全无对应关系：

  • 人浆细胞标记SDC1（CD138）
  • 小鼠对应基因Sdc1在浆细胞中不表达

5. 进阶注释技术

5.1 参考图谱映射法

使用预注释的参考数据集（如HPCA或BluePrint）进行自动标注：

r复制# SingleR工具示例
library(SingleR)
ref <- HumanPrimaryCellAtlasData()
results <- SingleR(test = seu_obj@assays$RNA@data, 
                  ref = ref,
                  labels = ref$label.main)

5.2 机器学习辅助标注

• 随机森林：适合小规模数据集
• 神经网络：需要至少10,000个训练细胞
• 推荐工具：scPred或SCINA

5.3 多组学验证策略

• CITE-seq：用表面蛋白验证转录本标记
• VDJ测序：确认T/B细胞的克隆型
• ATAC-seq：检查标记基因的染色质开放性

6. 实战案例：结直肠癌免疫图谱

最近分析的CRC数据集显示：

• 肿瘤核心区富集CD8+ GZMK+ 耗竭T细胞
• 侵袭前沿存在CD4+ IL17+ Th17细胞
• 髓系区室出现CD14+ SPP1+ 肿瘤相关巨噬细胞

关键发现技巧：

• 使用CellPhoneDB分析细胞互作
• 拟时序分析揭示T细胞耗竭轨迹
• 空间转录组验证细胞共定位

7. 个人经验总结

经过三年单细胞项目实战，我总结出三条铁律：

1. 标记基因必须看表达分布，不能只看平均值
2. 亚群注释要结合差异基因和通路分析
3. 遇到可疑群体时，回看原始fastqc质量报告

最后分享一个独门技巧：在Seurat对象中保存完整的注释历史记录，使用如下代码结构：

r复制seu_obj@meta.data$annotation_v1 <- "初始注释"
seu_obj@meta.data$annotation_v2 <- "修订注释"

这样即使后续调整注释方案，也能追溯每个细胞的判定过程