ABOUT THIS ENTRY
关于 CellTypist
使用逻辑回归分类器和内置或自定义参考模型，为单细胞 RNA 测序数据预测细胞类型的开源 Python 工具。它面向“使用参考模型辅助标注单细胞 RNA 测序数据中的细胞类型”这一类科研任务，可通过Python、CLI、Docker、GPU使用。本站将其归入生物与医学，相关能力标签包括细胞类型注释、机器学习。
适合将基因标识和表达值整理为工具支持的单细胞矩阵，选择与物种、组织和细胞范围匹配的内置模型，或用有可靠标签的参考数据训练自定义逻辑回归模型，再输出预测标签、分数和可选的多数表决结果。应记录模型文件与版本、输入归一化、基因映射、参数和软件版本，并在已知标记、人工注释和独立样本上评估结果。
CellTypist 适合哪些科研任务？
- 使用参考模型预测单细胞类型
- 训练适合特定组织或研究设计的自定义分类器
- 比较预测标签与聚类、标记基因和人工注释
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 内置模型的组织、物种和标签体系并不适用于所有数据；未知状态、双细胞、低质量细胞和批次差异可能被强制归入已有类别
- 预测标签和概率不是细胞身份的实验确认；应保存模型来源并结合标记基因、样本设计及领域知识复核
细胞类型注释机器学习
最后核验：2026-09-18
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。