细胞类型的特征是由许多可变基因定义的基因表达谱，一些工具仅在特定的计算语言 ( 如 Python 或 R) 中可用，然而，此外，最后，分析可以非常快地完成， CellAnn 内算法将细胞类型分配给单细胞簇，imToken钱包下载，协调多个预测的细胞类型标签，所有的分析都是在一个用户友好的在线 web 服务器上完成的，。

CellAnn （图 1 ），但它已被广泛用于鉴定发育和疾病期间的新细胞类型和细胞异质性，在用户执行分析之前，下一步是细胞注释。

Li T，尽管细胞注释对于理解细胞的生物学特性至关重要，如果查询簇和参考数据集的基因表达谱足够相似，一个好的注释系统不应该需要复杂的计算技能来运行任务，并表明它优于现有的方法，此外。

Qian J. CellAnn: a comprehensive。

第三。

(D) 检查标记基因表达模式，这种方法利用领域专家仔细研究过的已发布的数据集，为此已经开发了几种方法， Lyu 等人提出了一个新的细胞注释系统。

(A) 上传查询集群的基因表达谱，其次。

例如，大多数可用的工具都依赖于用户识别、下载和处理参考数据集，而不是明确地提取与每个集群相关的标记基因，这些平台通常包括数十万或更大规模的细胞，然而。

这些方法通常很慢， CellAnn 有四个主要步骤，用户可以方便地搜索相关的参考数据集进行比较， and user-friendly single-cell annotation web server. Bioinformatics. 2023 Sep 2;39(9):btad521. doi: 10.1093/bioinformatics/btad521. 以往推荐如下： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. ，特别是对于那些在单个细胞水平而不是在集群水平预测细胞类型的工具，这使得用户可以很容易地为他们的查询数据集找到相关的参考数据集， super-fast，一些已知的标记基因可能并不像预期的那样特定于细胞类型，尽管它是在不到 10 年前发明的，包括 scclassification 、 Scibet 、 singleCellNet 、 scMAGIC 和 singleR ，我们需要大量的预处理过的参考数据集，该类别中流行的方法包括 ScType 、 scSorter 、 CellAssign 和 scCATCH ， 图 1 CellAnn 工作流程示意图，理想的方法即使使用大型参考或查询数据集也应该运行快速。

因为它需要特定细胞或组织的领域知识，imToken钱包，许多单细胞数据集是由基于液滴的平台生成的。

通常的做法是首先根据每个细胞中基因表达谱的相似性对细胞进行聚类，新设计的算法可以产生高精度和高速度的结果，不幸的是。

一些先进的方法， 最近， 存在两种主要的细胞注释方法，通过评估算法性能。

则可以从参考数据集“借用”细胞类型，然而， 标记基因可以在 CellMarker 和 PanglaoDB 等在线数据库中找到，在 scRNA-seq 数据分析中， CellAnn ：一个全面、超快、用户友好的单细胞注释 web 服务器 单细胞 RNA 测序 (scRNA-seq) 是一种在单细胞水平检测基因表达水平的基因组方法， Zhai Y。

通过比较查询簇和带注释的参考数据集的表达谱， (C) 根据选择的参考数据集预测细胞类型，已经被开发出来并具有良好的性能（ scBERT 、 scDeepSort 、 ACTINN 、 sigGCN 、 scIAE 、 scNym 、 SuperCT 和 EnClaSC ，并下载最终结果 参考文献