scRNA-seq解析：マーカー遺伝子データベースで細胞型を自動アノテーション（scType）

この記事のゴール

マーカー遺伝子データベース型の自動アノテーションを理解し、scType を実際に動かせること。さらに、自動アノテーションには他に多くのツールがあるので、全体の中での位置づけと選び方を整理します。

マーカーDB型とは

各クラスタ（または各細胞）の発現を、細胞型ごとの既知マーカー遺伝子のセット（データベース）と照合し、最も合致する細胞型を割り当てる方法です。注釈済みの参照データセットは不要で、必要なのはマーカーDBだけです。

位置づけとしては、手動アノテーションの「既知マーカー照合」を、データベース＋スコア計算で自動化したものにあたります。手動と同じく「既知マーカーに基づく」ので、判定根拠が明確なのが長所です。しかしながら、自動アノテーションの結果が正しいかUMAPなどで遺伝子発現を確認する必要はあります。

scType を使う

どんなツールか

scType（Ianevski et al., 2022）は、マーカーの組み合わせから、参照データ無しで超高速に細胞型を同定するツールです。各細胞型について、正マーカー（その型で発現するはずの遺伝子）と負マーカー（発現しないはずの遺伝子）を使い、特異性で重みづけしたスコアを計算します。クラスタごとに最高スコアの細胞型を割り当て、スコアが低いクラスタは「Unknown」とします。

オリジナルは R ですが、Python 移植版（kris-nader/sc-type-py）があり、scanpy の AnnData にそのまま使えます。

コード（Python 移植版）

pythonコピーimport scanpy as sc
import numpy as np
import pandas as pd

# 事前に scType の Python 実装スクリプトとマーカーDBを取得しておく：
#   ・実装スクリプト sctype_py.py     … GitHub リポジトリ kris-nader/sc-type-py
#   ・マーカーDB     ScTypeDB_full.xlsx … GitHub リポジトリ IanevskiAleksandr/sc-type
# どちらも作業フォルダに置き（中身を確認してから）、必要な関数を import する
from sctype_py import gene_sets_prepare, sctype_score, process_cluster

# 1) マーカーDBから細胞型ごとの遺伝子セットを準備（組織=Brain を選択）
#    gs_positive（正マーカー）と gs_negative（負マーカー）が作られる
gs_list = gene_sets_prepare(
    path_to_db_file="ScTypeDB_full.xlsx",
    cell_type="Brain",     # Immune system / Brain / Lung / Pancreas / Kidney ...
)

# 2) スケール済み発現でスコア計算（adata.X は log 正規化済みを想定）
adata.layers["scaled"] = sc.pp.scale(adata, copy=True).X
scaled = pd.DataFrame(adata.layers["scaled"].T,        # 行=遺伝子, 列=細胞
                      index=adata.var_names, columns=adata.obs_names)
es_max = sctype_score(scRNAseqData=scaled, scaled=True,
                      gs=gs_list["gs_positive"], gs2=gs_list["gs_negative"])

# 3) クラスタごとに最高スコアの細胞型を割り当てる
clusters = adata.obs["leiden"].unique()
cL = pd.concat([process_cluster(cl, adata, es_max, "leiden") for cl in clusters])
sctype_scores = (cL.groupby("cluster")
                   .apply(lambda x: x.nlargest(1, "scores"))
                   .reset_index(drop=True))

# 4) スコアが低いクラスタ（細胞数/4 未満）は "Unknown" にする
low = sctype_scores["scores"] < sctype_scores["ncells"] / 4
sctype_scores.loc[low, "type"] = "Unknown"

# 5) adata に書き戻して UMAP 表示
mapping = dict(zip(sctype_scores["cluster"].astype(str), sctype_scores["type"]))
adata.obs["sctype"] = adata.obs["leiden"].astype(str).map(mapping).astype("category")
sc.pl.umap(adata, color="sctype", legend_loc="on data", frameon=False)

自分のマーカーDBを使う（重要）

内蔵 DB（ScTypeDB）はヒト・マウスの主要組織に対応しますが、発生段階や特殊な細胞型は手薄です。その場合は、自分のマーカーを同じ形式の XLSX にして渡せます。

pythonコピー# ScTypeDB と同じ4列の XLSX を用意して渡す：
#   tissueType（組織）, cellName（細胞型名）,
#   geneSymbolmore1（正マーカー, カンマ区切り）, geneSymbolmore2（負マーカー）
gs_list = gene_sets_prepare(path_to_db_file="my_markers.xlsx", cell_type="Brain_E14")

マーカーDB型の主なツール

scType 以外にも同系統のツールが複数あります。Python で完結できるのは scType（移植版）・decoupler・SCSA です。

マーカーデータベース

マーカーDB型の精度は、使うDBの質で大きく変わります。代表的なDBは次のとおりです。

迷わないための地図：自動アノテーション主要ツール早見

「自動アノテーション」を調べると多数のツールが出てきます。どれも5系統のどこかに属します。下表で位置づけを確認し、各系統の詳細は個別記事へ進んでください（本記事は①）。

どれを使えばよいか（この系統の選び方）

• 参照データが手元に無い／まず素早く当たりを付けたい → マーカーDB型（本記事）。
• Python で完結させたい → scType 移植版・decoupler・SCSA。
• マウス・発生期など特殊な系 → 内蔵DBに頼らず、自前のマーカーDB（手動記事で使った既知マーカー）を渡す。
• いずれの場合も、結果は手動アノテーションで検証します。

落とし穴（全系統共通）

付いたラベルは UMAP で検証する

自動で付いた細胞型ラベルは、そのまま信じず、代表的なマーカーの発現を UMAP に投影して、本当にそのクラスタに特異的かを目で確かめます。ドットプロットは平均値に要約されるため、UMAP に重ねて細胞ごとの発現を見るのが確実です。

pythonコピー# 代表マーカーの発現を UMAP に投影して、付いたラベルを検証する
sc.pl.umap(
    adata,
    color=["Pax6", "Eomes", "Neurod6", "Gad2", "Cx3cr1", "Cldn5"],
    ncols=3, cmap="viridis", frameon=False,
)

UMAP に重ねると、次の点が確認できます。

• 他のクラスタにも発現がないか：そのマーカーが目的以外のクラスタでも光っていないか。
• クラスタ内での広がり：そのクラスタの全細胞で出ているのか、一部だけか、発現が低いだけか。
• 複数クラスタにまたがらないか：生物学的に複数の細胞型で発現するマーカーもあります（組み合わせで判断）。

まとめ

• マーカーDB型は、各クラスタの発現をマーカーDBと照合して細胞型を割り当てる。参照不要・根拠が明確。
• 代表は scType（正負マーカーのスコア、Python 移植版あり）。自前マーカーDBを渡せるのが強み。Python では decoupler / SCSA も実用的。
• 自動アノテーションの多数のツールは5系統のどこかに属する。本記事は①。参照の有無・言語・規模で選ぶ。
• どの自動結果も手動で検証してから採用する。

次の記事：参照データとの相関による自動アノテーション（SingleR） — 注釈済み参照データとの相関で割り当てる方法に進みます。

関連記事

• 📖 細胞型アノテーション手法の全体像 … 手動・自動の地図（編のハブ）
• 📖 手動アノテーション（前の記事）／ 📖 参照相関型（SingleR）（次の記事）
• 📖 自動アノテーション残りの系統：③CellTypist・Azimuth／④scGPT・Geneformer／⑤GPTCelltype（LLM）
• 📖 品質管理（QC） ／ 📖 ダブレット検出（scrublet・SOLO）／ 📖 AnnDataのデータ構造

参考文献

• Ianevski, A., Giri, A. K., & Aittokallio, T. (2022). Fully-automated and ultra-fast cell-type identification using specific marker combinations from single-cell transcriptomic data. Nature Communications, 13, 1246. doi:10.1038/s41467-022-28803-w
• Hu, C., Li, T., Xu, Y., et al. (2023). CellMarker 2.0: an updated database of manually curated cell markers in human/mouse and web tools based on scRNA-seq data. Nucleic Acids Research, 51(D1), D870–D876. doi:10.1093/nar/gkac947
• Franzén, O., Gan, L.-M., & Björkegren, J. L. M. (2019). PanglaoDB: a web server for exploration of mouse and human single-cell RNA sequencing data. Database, 2019, baz046. doi:10.1093/database/baz046
• Cao, Y., Wang, X., & Peng, G. (2020). SCSA: A Cell Type Annotation Tool for Single-Cell RNA-seq Data. Frontiers in Genetics, 11, 490. doi:10.3389/fgene.2020.00490
• Badia-i-Mompel, P., Vélez Santiago, J., Braunger, J., et al. (2022). decoupleR: ensemble of computational methods to infer biological activities from omics data. Bioinformatics Advances, 2(1), vbac016. doi:10.1093/bioadv/vbac016
• Zhang, A. W., O’Flanagan, C., Chavez, E. A., et al. (2019). Probabilistic cell-type assignment of single-cell RNA-seq for tumor microenvironment profiling. Nature Methods, 16, 1007–1015. doi:10.1038/s41592-019-0529-1
• Pasquini, G., Rojo Arias, J. E., Schäfer, P., & Busskamp, V. (2021). Automated methods for cell type annotation on scRNA-seq data. Computational and Structural Biotechnology Journal, 19, 961–969. doi:10.1016/j.csbj.2021.01.015
• Heumos, L., Schaar, A. C., Lance, C., et al. (2023). Best practices for single-cell analysis across modalities. Nature Reviews Genetics, 24, 550–572. doi:10.1038/s41576-023-00586-w