回顾

我们的CNS图表复现之旅已经开始，前面5讲是；

• CNS图表复现01—读入csv文件的表达矩阵构建Seurat对象
• CNS图表复现02—Seurat标准流程之聚类分群
• CNS图表复现03—单细胞区分免疫细胞和肿瘤细胞
• CNS图表复现04—单细胞聚类分群的resolution参数问题
• CNS图表复现05—免疫细胞亚群再分类

如果你也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。

前面我们得知文章把Macrophage和Monocyte合并起来，把B_cell区分成为两群。而我们的T_cells和NK_cell也需要被合并起来。

首先检查Mast-cells

而 common myeloid progenitor (CMP) 这群细胞呢，在文章并没有出现，不知道是不是会被命名为 Mast-cells，需要相应的生物学背景。

这个时候，根据CellMarker网站进行人工校验，如下所示：

# Human Kidney Mast cell
# http://biocc.hrbmu.edu.cn/CellMarker/search.jsp?quickSearchInfo=mast 
genes_to_check = c('ENPP3', 'KIT', 'SLC18A2')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p

发现就是第7群高表达这些基因，而前面我们的singleR的自动注释步骤把第7群细胞命名为了 common myeloid progenitor (CMP) ，所以它就文章里面的Mast-cells，出图如下：

然后看看B_cell区分成为两群

文章把B_cell区分成为两群，所以我们也区分一下：

前面的singleR的自动注释步骤的B_cell涵盖了Seurat流程的第3，10，13，15，19，21群细胞。

同样的，根据CellMarker网站进行人工校验，如下所示：

genes_to_check = c('CD19', 'CD27','SDC1', 'CD38')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p
# CD138( SDC1), CD38 # Plasma cell
# CD19, CD27 # memory B cell

出图：

可以看到， 第3和21群高表达CD138( SDC1)基因，所以是Plasma cell，其它B细胞就归类为memory B cell吧，毕竟作者的文章就只有这两个B细胞亚群。

最后检查Macrophage和Monocyte

文章把Macrophage和Monocyte合并起来，但是数量是四千五百个细胞左右，但是我们的Macrophage和Monocyte加起来近5000了，所以里面理论上可以拆出来一些给DC细胞，所以我在CellMarker网站进行人工校验，基因如下：

# CLEC4C, IL3RA, NRP1 # Dendritic cell 
# CD1C, CST3, FCER1A # Monocyte derived dendritic cell
genes_to_check = c('CLEC4C', 'IL3RA', 'NRP1','CD1C', 'CST3', 'FCER1A')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p

确实看到：

第9和13亚群，可以重新被划分为DC细胞，之前属于Monocyte和B细胞。

最后整理分群资料

可以看到，即使是singleR的自动注释后给每个亚群命名了，仍然是需要耗费时间和精力去细致看每个亚群。

# 9,13 Dendritic
# 3,12, Plasma cell
# 7, CMP --> Mast-cells