单细胞注释参考库更新，标签变化怎样说明？

单细胞测序论文初稿把一群细胞标为“单核细胞”，更新参考图谱后又变成“树突状细胞”，正文却只保留新名称，没有说明来源变化。标签迁移是对数据的解释，不是仪器直接测出的真值。投稿时应保存参考库、注释方法及两次标签对照，让审稿人看到哪些结论依赖参考版本。

先列出新旧参考在细胞集合、标签层级和处理流程上的差异。记录图谱名称、版本、组织来源、供体范围、预处理流程和细胞类型层级。Scanpy的ingest接口从已注释的参考数据向新数据映射标签，并明确这是一种不对称的参考迁移；参考自身的标签或表示空间变了，映射结果就可能变。若新参考把原来的一个大类拆成两个亚型，名称变化不等于原细胞生物学性质突然改变。

保持待注释数据和主要预处理参数不变，分别使用新旧参考运行映射。做混淆表，按旧标签和新标签列出细胞数，并标明无法确定的细胞比例。检查变化是否集中在低质量细胞、双细胞、批次边缘或两个相近谱系之间。若算法输出分数或邻近距离，报告其分布；不要把低置信度结果强制归入最接近的类别后宣称所有细胞都已确定身份。

用本研究的标记基因表达、蛋白标记或独立证据核验关键标签。若新的命名仅凭参考迁移，正文宜写“映射为某类细胞”而非“证实为某类细胞”。若图谱与研究样本的组织、疾病状态或测序平台差异大，应在局限中说明可能的迁移误差。只报告UMAP上颜色分布，并不能替代对具体谱系标记与不确定性的检查。

核对细胞类型比例、差异表达、细胞通讯等下游分析是否用同一版标签。若核心结论只在新版参考下出现，应做合理的敏感性比较，不能把旧结果删去不提。图例中可提供标签合并与改名规则，尤其当文献常用名称与参考库标签不完全对应时。原始细胞条码和最终标签之间的映射表应保留，可提供去识别化补充文件。

稿件方法段写清参考库来源、版本、映射软件、参数和人工审核标准。投稿前抽取几个换标签的细胞，从表达谱和两版参考邻居回查理由。透明报告标签变化，比把新注释写成唯一正确答案更有助于后续研究复用。

若两版参考的细胞类型层级不同，可先合并到共同上层类别，再比较各组差异；不应把细粒度标签与旧版粗粒度标签直接做数量比较。对于少数关键细胞群，查看每个样本而非总体的迁移比例，避免单个样本驱动结论。保存参考对象的完整下载日期、处理脚本和训练特征集合，后续读者才能复现从表达矩阵到标签的每一步。

参考信息：Scanpy参考数据标签迁移官方接口与教程。