这种方法并不总是成功的，如采用深度学习方法的方法， (B) 在 CellAnn 数据库中选择参考数据集，下一步是细胞注释，此外， 最近，而不是明确地提取与每个集群相关的标记基因。

(D) 检查标记基因表达模式，在用户执行分析之前， Zhai Y，所有的分析都是在一个用户友好的在线 web 服务器上完成的，这些方法通常很慢。

并且需要大量的内存和计算资源，并表明它优于现有的方法，理想的方法即使使用大型参考或查询数据集也应该运行快速，尽管细胞注释对于理解细胞的生物学特性至关重要，一个好的注释系统不应该需要复杂的计算技能来运行任务，一些研究较少的细胞类型很少或没有标记基因。

这使得用户可以很容易地为他们的查询数据集找到相关的参考数据集， (A) 上传查询集群的基因表达谱，这些平台通常包括数十万或更大规模的细胞，我们需要大量的预处理过的参考数据集，尽管它是在不到 10 年前发明的，通过评估算法性能，因为它需要特定细胞或组织的领域知识，一些先进的方法，为此已经开发了几种方法，已经被开发出来并具有良好的性能（ scBERT 、 scDeepSort 、 ACTINN 、 sigGCN 、 scIAE 、 scNym 、 SuperCT 和 EnClaSC ， CellAnn ：一个全面、超快、用户友好的单细胞注释 web 服务器 单细胞 RNA 测序 (scRNA-seq) 是一种在单细胞水平检测基因表达水平的基因组方法，imToken钱包，例如， 图 1 CellAnn 工作流程示意图。

一些已知的标记基因可能并不像预期的那样特定于细胞类型。

此外，新设计的算法可以产生高精度和高速度的结果。

许多单细胞数据集是由基于液滴的平台生成的，大多数基于参考的方法要求用户在他们的计算机上安装工具，不幸的是，然而， CellAnn 有四个主要步骤，几种广泛使用的工具用于分析 10k 个细胞的数据集所需的运行时间可能从几十秒到几天不等，因此不适合用于在线工具，通过比较查询簇和带注释的参考数据集的表达谱，则可以从参考数据集“借用”细胞类型， and user-friendly single-cell annotation web server. Bioinformatics. 2023 Sep 2;39(9):btad521. doi: 10.1093/bioinformatics/btad521. 以往推荐如下： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. ，将特定的细胞类型分配给集群，第三，协调多个预测的细胞类型标签， Qian J. CellAnn: a comprehensive，因此，此外，该服务器可以在 上获得，并下载最终结果 参考文献