この記事のゴール
クラスタリングで得た「細胞のかたまり」に、細胞型の名前（生物学的な意味）を与えるのがアノテーションです。手法が多いので、まずどんな選択肢があり、どれをいつ使うかを地図として理解します。
アノテーションはどこで行うか
前処理（正規化→HVG→次元削減→クラスタリング）で得られるのは、番号のついたクラスタ（0, 1, 2, …）です。これは「似た細胞の集まり」ではあっても、まだ何の細胞かは分かりません。アノテーションは、各クラスタに「T細胞」「ミクログリア」などの名前を割り当てる作業です。下流の比較解析（条件間の細胞組成・差次的発現など）は、この名前を前提に進みます。
手法の全体像
アプローチは大きく手動と自動に分かれ、自動はさらに5系統に分かれます。
最新のレビューも、自動手法を計算アプローチで複数カテゴリに整理しています（Pasquini et al., 2021）。以下、それぞれを概観します（詳しい手順とコードは各個別記事へ）。
手動アノテーション
- 仕組み：各クラスタで発現が高い遺伝子（マーカー候補）を差次的発現解析で求め、既知のマーカー遺伝子（教科書・文献・データベース）と照らし合わせて、専門家が名前を付けます。
- メリット：生物学的根拠が明確で、文脈（組織・発生段階・疾患）を反映できる。新規・希少な集団にも対応しやすい。
- デメリット：時間がかかり、主観が入りやすい。マーカーの知識が必要。
- 位置づけ：自動手法が普及した今も、手動は最も信頼される基準であり、自動結果の検証にも使われます。
📖 詳しい手順（rank_genes_groups・scVI の differential_expression・ドットプロットでの確認・命名）は 手動アノテーション記事で扱います。
自動アノテーションの5系統
① マーカー遺伝子データベース型（marker-based）
- 仕組み：既知のマーカー遺伝子セット（DB）と各クラスタの発現を照合してスコア化。参照データセット不要。
- 代表：scType（Ianevski et al., 2022）、CellAssign（Zhang et al., 2019）、Garnett、SCSA。DB：CellMarker 2.0、PanglaoDB。
- メリット：参照不要／判定根拠が明確（どのマーカーで決めたか）。
- デメリット：マーカーDBの品質・網羅性に依存／クラスタ単位が多い／種・組織ごとに適切なDBが必要。
- 📖 個別記事（scType の手順・コード）へ
② 参照データ相関型（reference correlation）
- 仕組み：注釈済みの参照データと各細胞/クラスタの発現の相関で、最も近い型を割り当てる。
- 代表：SingleR（Aran et al., 2019）、scmap、CHETAH。
- メリット：直感的・実装が容易／細胞単位で割当可。
- デメリット：良質な参照が必須／参照に無い型は当てられない。
- 📖 個別記事（SingleR の手順・コード）へ
③ 教師あり分類・参照マッピング型（supervised / reference mapping）
- 仕組み：注釈済み参照で分類器を学習（または事前学習済みモデルを利用）し、クエリにラベルを転写する。
- 代表：CellTypist（Domínguez Conde et al., 2022）、Azimuth（Hao et al., 2021）、scPred、scANVI（Xu et al., 2021）、scArches。
- メリット：再現性・処理速度が高い／事前学習モデルなら手軽。
- デメリット：学習時の参照に無い型は認識しにくい／ヒト中心の事前学習モデルが多い／一部はメモリ消費が大きい。
- 📖 個別記事（CellTypist／Azimuth の手順・コード）へ
④ 深層学習・基盤モデル型（deep learning / foundation models）
- 仕組み：巨大アトラスで事前学習した埋め込み/モデルを使ってアノテーション（zero-shot または fine-tune）。
- 代表：scGPT（Cui et al., 2024）、Geneformer（Theodoris et al., 2023）、UCE、scimilarity。
- メリット：巨大アトラスの知識を活用／cross-dataset に強い／スケールする。
- デメリット：GPU 必須／解釈性が低い／計算コスト大／文脈依存で万能ではない。
- 📖 個別記事（scGPT／Geneformer の手順・コード）へ
⑤ 大規模言語モデル（LLM／GPT）型
- 仕組み：各クラスタの上位マーカー遺伝子リストを LLM（GPT-4 等）に渡し、細胞型を推定させる。参照不要で、判断の根拠（理由）も得られる。
- 代表：GPTCelltype／GPT-4 アノテーション（Hou & Ji, 2024）、CASSIA。
- メリット：参照不要・高速・根拠を説明／専門家の確認（human-in-the-loop）と相性が良い。
- デメリット：誤り（ハルシネーション）・再現性の問題／データを外部APIに送るプライバシー懸念／必ず検証が必要。
- 📖 個別記事（GPTCelltype の手順・コード）へ
メリット・デメリット早見表
| 系統 | 参照の要否 | 代表ツール | 強み | 弱み |
|---|---|---|---|---|
| 手動 | 不要 | （専門家＋既知マーカー） | 根拠が明確・新規対応 | 時間・主観 |
| ① マーカーDB | 不要（DBは必要） | scType, CellAssign | 参照不要・解釈しやすい | DB品質依存 |
| ② 参照相関 | 必要 | SingleR, scmap | 直感的・細胞単位 | 参照必須・新規型不可 |
| ③ 教師あり/マッピング | 必要（事前学習可） | CellTypist, Azimuth, scANVI | 再現性・高速・大規模 | 参照外に弱い・ヒト偏重 |
| ④ 深層学習/基盤モデル | 事前学習済み | scGPT, Geneformer | 巨大知識・cross-dataset | GPU必須・解釈性低 |
| ⑤ LLM/GPT | 不要 | GPTCelltype, CASSIA | 高速・根拠説明・参照不要 | 誤り・再現性・プライバシー |
どれを選ぶか
手法選びは、おもに「注釈済み参照データがあるか」「GPU が使えるか」「解釈性をどこまで重視するか」で決まります。
- 注釈済み参照データがある → ②参照相関 や ③教師あり・マッピング。大規模・GPU が使えるなら ④基盤モデルや scANVI。
- 参照データが無い → ①マーカーDB型 や ⑤LLM 型、または 手動。
- 根拠・解釈を重視 → ①マーカーDB型、⑤LLM 型、手動。
💡 マウスのデータでの注意：事前学習モデル（③④）はヒト中心のものが多く、マウスや発生段階のデータにはそのまま効きにくいことがあります。マウスでは、マウス用のマーカーDB（①）や、マウスの参照アトラスを使うのが現実的です。
全系統に共通する大原則
⚠️ 自動アノテーションは「下書き」。必ず手動で検証する
– 参照や学習データに無い細胞型は当てられません（特に②③④）。新規・希少な集団は取りこぼす前提で扱います。
– 自動の結果は、既知マーカーで発現を確認し、生物学的に妥当かを必ずチェックします（→ 手動アノテーションの手順）。
– 1つの手法を過信せず、複数手法の一致や手動との突き合わせで確からしさを上げます。
このシリーズの記事一覧
- 📖 手動アノテーション … マーカー遺伝子の同定から命名まで（基準となる方法）
- 📖 マーカーDB型（scType ほか） … 参照不要・マーカーDB照合
- 📖 参照相関型（SingleR ほか） … 参照との相関で割当
- 📖 教師あり・マッピング型（CellTypist／Azimuth／scANVI） … ラベル転写
- 📖 深層学習・基盤モデル型（scGPT／Geneformer） … 巨大アトラスの活用
- 📖 LLM型（GPTCelltype ほか） … マーカーリストから推定
まとめ
- アノテーションは、クラスタに細胞型の名前を与える作業。手動と自動（5系統）がある。
- 自動は ①マーカーDB／②参照相関／③教師あり・マッピング／④深層学習・基盤モデル／⑤LLM。参照の要否・GPU・解釈性で選ぶ。
- どの自動手法も「下書き」であり、手動での検証が必須。新規・希少な型は取りこぼす前提で扱う。
次の記事：手動アノテーション（マーカー遺伝子の同定） — 基準となる手動アノテーションを、実際のコードで解説します。
関連記事
- 📖 正規化・特徴選択・次元削減・クラスタリング … 本記事の前段（クラスタを得る）
- 📖 scRNA-seqの前処理 入門 ─ 全体像と進め方 … 前処理シリーズの全体像
- 📖 AnnDataのデータ構造 ／ 📖 scvi-tools の全体像 … 土台・AI手法の地図
参考文献
- 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
- Aran, D., Looney, A. P., Liu, L., et al. (2019). Reference-based analysis of lung single-cell sequencing reveals a transitional profibrotic macrophage. Nature Immunology, 20, 163–172. doi:10.1038/s41590-018-0276-y
- Domínguez Conde, C., Xu, C., Jarvis, L. B., et al. (2022). Cross-tissue immune cell analysis reveals tissue-specific features in humans. Science, 376, eabl5197. doi:10.1126/science.abl5197
- Hao, Y., Hao, S., Andersen-Nissen, E., et al. (2021). Integrated analysis of multimodal single-cell data. Cell, 184, 3573–3587. doi:10.1016/j.cell.2021.04.048
- Xu, C., Lopez, R., Mehlman, E., et al. (2021). Probabilistic harmonization and annotation of single-cell transcriptomics data with deep generative models. Molecular Systems Biology, 17, e9620. doi:10.15252/msb.20209620
- 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
- 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
- Cui, H., Wang, C., Maan, H., et al. (2024). scGPT: toward building a foundation model for single-cell multi-omics using generative AI. Nature Methods, 21, 1470–1480. doi:10.1038/s41592-024-02201-0
- Theodoris, C. V., Xiao, L., Chopra, A., et al. (2023). Transfer learning enables predictions in network biology. Nature, 618, 616–624. doi:10.1038/s41586-023-06139-9
- Hou, W., & Ji, Z. (2024). Assessing GPT-4 for cell type annotation in single-cell RNA-seq analysis. Nature Methods, 21, 1462–1465. doi:10.1038/s41592-024-02235-4
- 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
コメント