用于细胞术数据的监督式细胞类型注释工具的可复现且可扩展的基准评测

高维细胞计量技术，如流式细胞术（FCM）和质谱流式细胞术（CyTOF），是研究和临床实践中免疫表型分析的核心手段。尽管手动门控仍然是细胞群注释的标准方法，但其耗时、难以扩展，并且容易受到操作者间差异的影响。监督式注释方法已成为扩展手动注释工作的一种途径，然而，用于比较这些工具的独立基准研究仍然有限，且很快会过时。本研究在 OmniBenchmark 框架内提出了一个可复现且可扩展的监督式细胞计量注释工具基准。研究评估了五种监督式注释方法，涵盖线性模型、最近邻方法、基于树的分类器、混合规则系统和深度学习，并在八个公开可用的数据集上进行了测试；这些数据集经过精心筛选，以覆盖不同技术、组织、检测面板设计，以及健康和疾病背景。采用以样本为中心的交叉验证设计，以反映常见的参考映射情境，并测试了总体和各细胞群的 F1 分数、稀有细胞群上的表现、运行时间以及在训练集规模缩减条件下的稳健性。不同数据集之间的性能差异显著，且不能完全由数据集大小或维度解释，这凸显了注释中的操作者依赖性，以及生物学背景、队列异质性和群体不平衡的重要性。低丰度细胞群（

高维细胞术技术，如流式细胞术（FCM）和质谱流式细胞术（CyTOF），是科研和临床实践中免疫表型分析的核心。尽管人工门控仍然是细胞群体注释的标准方法，但其耗时、难以扩展，并且容易受到操作者间差异的影响。监督式注释方法已成为扩展人工注释工作的一种途径，然而，用于比较这些工具的独立基准仍然有限，且很快会过时。本研究提出了一个可复现且可扩展的监督式细胞术注释工具基准测试，该基准在 OmniBenchmark 框架内实现。研究评估了五种监督式注释方法，涵盖线性模型、最近邻方法、基于树的分类器、混合规则系统以及深度学习，并在八个公开可用的数据集上进行了测试；这些数据集经过精心挑选，以覆盖不同技术、组织类型、面板设计，以及健康和疾病背景。采用以样本为中心的交叉验证设计，以反映常见的参考映射场景，并测试了总体及各群体的 F1 分数、稀有群体上的表现、运行时间以及在训练集规模缩减情况下的稳健性。不同数据集上的性能差异显著，且这种差异并不能完全由数据集规模或维度解释，这凸显了注释中的操作者依赖性，以及生物学背景、队列异质性和群体不平衡的重要性。低丰度群体（

---

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.02.729500v1?rss=1

🏷️ 流式细胞术 细胞类型注释 监督学习 基准评测 高维单细胞数据 OmniBenchmark