前面我们已经介绍了心肝脾肺肾等多个器官的上皮细胞的细分亚群，以及免疫细胞里面的髓系和B细胞细分亚群：
其中髓系的（单核，树突，巨噬，粒细胞）的细分亚群，主要是树突细胞细分亚群比较多，是cDC1，cDC2，cDC3，以及pDC。然后是单核就区分成为了：
当然了，上面的CD14和CD16的单核细胞仍然是可以继续细分的，而且也确实有很多文献做了细分。
也就是说每个大亚群都可以内部细分亚群，然后继续细分，子子孙孙无穷尽。不过实际情况下，大家一般来说区分到第四层级即可，比如Treg属于cd4的T细胞，然后属于T细胞，属于淋巴细胞，属于免疫细胞！
比如2021年11月发表在《cancercell杂志》的文献：《Signaturesofplasticity,metastasis,andimmunosuppressioninanatlasofhumansmallcelllungcancer》就提到了：AllscRNA-seqdataweremerged,normalized,batch-cor-rected,andclusteredtoidentifycoarsecelltypes,includingepithelial,mesenchymal,lymphoid,andmyeloidcells，也就是说上皮细胞，基质细胞，淋巴系和髓系。然后是其中上皮细胞继续细分：
而StromalsubtreehadFibroblast,Endothelial,andGlialsubtrees.
而TheImmunesubtreewaspartitionedintomyeloidandlymphoidlineages.
这些基质细胞通过分泌生长因子、细胞因子、趋化因子和代谢产物，以及通过细胞外基质的重塑，共同构建了一个复杂的肿瘤微环境，对肿瘤的生物学行为产生重要影响。了解这些细胞类型及其功能对于癌症的治疗策略开发至关重要。除去成纤维细胞之后的Endothelialcells(ECs)andmuralcells(MCs)areprimaryvasculaturecomponentsthataredirectlyinvolvedintumourangio-genesis。其中muralcells(MCs)壁细胞包括周细胞（Pericytes）和平滑肌细胞（SmoothMuscleCells,SMCs），它们位于内皮细胞层的外部，嵌入在血管的基底膜中。
它们这4大细胞亚群有时候界限不清楚，会互相掺杂，而且好难说清楚到底是该细分到什么程度算是一个头。
2024新鲜出炉的论文（单细胞分辨率的肿瘤脉管图谱），英文题目为《Tumorvasculatureatsingle-cellresolution》，论文通讯作者为重庆大学附属三峡医院副院长印明柱教授。重庆大学附属三峡医院作为第一完成单位和第一通讯作者单位联合清华大学、北京协和医院以及中南大学湘雅医院。可以看到里面的有单细胞的10x和bd这两个国外公司，还以寻因和新格元这两个国产单细胞公司的产品，来自于31种癌症类型的372个供体的大约200,000个细胞，主要是内皮细胞。其中muralcells(MCs)壁细胞包括周细胞（Pericytes）和平滑肌细胞（SmoothMuscleCells,SMCs），如下所示就没有清晰的界限：
WealsonotedlowercellpurityinPCscomparedwithSMCs(ExtendedDataFig.7b),promptingtheheterogeneousphenotypesofPCs.
也就是说，作者把周细胞细分成为了4个亚群，如下所示：
但是没有对平滑肌细胞继续细分，因为cellpurity问题，让我们看看(ExtendedDataFig.7b),是一个简单的箱线图：
b.ViolinplotshowingcellpurityforSMC(n=10,819)andPC(n=29,572)byROGUE.
有一个r包可以完成，大家可以安装它并且读一下它的官网说明书：
>rogue.value[1]0.7476979#ROGUE范围为0~1，ROGUE=1表面该亚群纯度很高；#相反ROGUE~0，表面该亚群纯度较低可以被继续细分#ROGUE评分默认>0.9时是一致性比较高的细胞亚类我们有两个方法可以看看具体的每个单细胞亚群的ROGUEindex
rogue.res<-rogue(expr,labels=sce$seurat_annotations,samples=sce$orig.ident,platform="UMI",span=0.6)rogue.resrogue.boxplot(rogue.res)>as.data.frame(t(rogue.res))pbmc3kMemory.CD4.T0.9727606B0.9766577CD14..Mono0.9717287NK0.9666515CD8.T0.9707980Naive.CD4.T0.9819104FCGR3A..Mono0.9656822NA.NADC0.9424454Platelet0.9762869可以看到的如果是前面的2700个pbmc单细胞分群后在每个单细胞亚群内部其实ROGUEindex都提升了，之前的0.74，现在普遍是0.95以上，因为本来pbmc就是混合体嘛，这样的话细分亚群是合理的，但是我如果是自己把这个2700个pbmc单细胞表达量矩阵拆分后独立走CalculateRogue函数计算，发现其实是每个亚群仍然是有提升的空间：
sort(table(sce$seurat_annotations))y=unique(sce$seurat_annotations);yz=lapply(y[1:7],function(x){#x=y[1];xCalculateRogue(SE_fun(matr.filter(expr[,sce$seurat_annotations==x],min.cells=10)),platform="UMI")})>data.frame(cell=y[1:7],index=unlist(z))cellindex1MemoryCD4T0.85636562B0.84801983CD14+Mono0.85122004NK0.79763655CD8T0.81161356NaiveCD4T0.89458717FCGR3A+Mono0.7220867略微有点尴尬啊，我没有看这个ROGUEindex算法，但是感觉不稳定？