在上一章推文中，我们通过列举出细胞群的经典基因，然后通过umap图可视化后观察在哪个群集中表达，从而将那个群注释为我们认为的细胞名称。

相反，我们可以计算每个簇的标记基因，然后查找是否可以将这些标记基因与任何已知的生物学联系起来，例如细胞类型和/或状态。对于簇的标记基因计算，Wilcoxon 秩和检验等简单方法被认为表现最佳 。重要的是，由于集群的定义基于与这些统计测试相同的数据，因此这些测试的 p 值将被夸大

代码展示

首先我们先计算一下不同细胞群的marker基因：

sc.tl.rank_genes_groups(    adata, groupby="leiden_res0_25", method="wilcoxon", key_added="dea_leiden_res0_25")

我们解释一下这段代码：

●groupby="leiden_res0_25"：指定分组变量，leiden_res0_25 是 Leiden 聚类的结果列，用于将细胞分为不同的群体。这里的聚类分辨率为 0.25。

●method="wilcoxon"：选择差异表达分析的方法为 Wilcoxon 秩和检验，这是一种非参数检验方法，用来比较不同群体之间基因表达的差异。

●key_added="dea_leiden_res0_25"：指定将差异表达分析的结果存储在 adata 对象的 .uns 中，键名为 dea_leiden_res0_25。

接下来我们用气泡图展示一下前五基因：

sc.pl.rank_genes_groups_dotplot(    adata, groupby="leiden_2", standard_scale="var", n_genes=5, key="dea_leiden_2")

●standard_scale="var"：

这里的 var 表示按基因进行标准化，即每个基因的表达量会被减去该基因的均值，再除以该基因的标准差。这样，经过标准化后的每个基因的表达数据将具有均值为0，标准差为1。每个基因的表达量会被标准化，以消除不同基因表达水平上的差异。这样可以避免一些基因的表达量特别高或低，导致在后续分析中产生偏差。例如，如果某些基因的表达量远高于其他基因，这些基因的变化可能会主导整个分析过程。而通过标准化处理后，所有基因都会在相同的尺度上进行比较，减少了这种偏差的影响。

气泡图结果

如上图所示，很多差异表达的基因在多个簇中高度表达。我们可以过滤差异表达基因，以选择更多的簇特异性差异表达基因：

sc.tl.filter_rank_genes_groups(    adata,    min_in_group_fraction=0.2,    max_out_group_fraction=0.2,    key="dea_leiden_res0_25",    key_added="dea_leiden_res0_25_filtered",)

●min_in_group_fraction=0.2：筛选时，只有当某基因在至少 20% 的细胞中在某个群体里有表达时，才认为这个基因在该群体中具有生物学意义。如果该基因在某个群体中的表达低于 20%，则会被去除。

●max_out_group_fraction=0.2：如果某个基因在其他群体中的表达超过 20%，则认为这个基因的表达可能是“非特异性”的，容易受到其他群体的影响，因此也会被去除。

接下来咋们可视化：

sc.pl.rank_genes_groups_dotplot(    adata,    groupby="leiden_res0_25",    standard_scale="var",    n_genes=5,    key="dea_leiden_res0_25_filtered",)

结果气泡图

可以看到，通过这一步，其中几个细胞群已经被标记有明显的基因，而有一些细胞群差异基因仍然不是很清楚。往往这种时候需要结合手动注释不断调整。

让我们看一下聚类11：

sc.pl.umap(    adata,    color=["Tyrobp", "Srgn", "Fcer1g", "Il1b", "leiden_res0_25"],    vmax="p99",    legend_loc="on data",    frameon=False,    cmap="Reds",)

结果图

可以看到，正好是在5和11两个细胞群中高表达。我们再继续看这几个基因，进行gpt搜索也可以初步确定其与单核细胞还有巨噬细胞相关。说明5,11两个细胞群实际属于巨噬细胞。