审稿人问“Why was cluster 7 annotated as this cell type?”，补一个 FeaturePlot 可能有帮助，但不一定回答了问题。对方想知道的通常不是“这个基因有没有表达”，而是“为什么这个解释比其他细胞身份更合理”。
先不要急着加更多 marker。把存在争议的 cluster 单独列出来：当前标签是什么，主要备选解释是什么，哪些证据支持，哪些信号不符合。标签越细，所需证据就越具体。免疫细胞大类和功能亚型，不应靠同样的一两个基因判断。
一张注释证据表，比堆十张图更容易读
| 记录项 | 应写入什么 | 看到什么要谨慎 |
|---|---|---|
| 支持标志 | 多个相关标志的表达比例、强度与相对特异性 | 只有一个广泛表达的基因支持 |
| 相反证据 | 备选谱系标志及它们的分布 | 两类不相容谱系信号同时很强 |
| 样本来源 | 各独立样本在该群中的细胞数与比例 | 几乎全部来自同一个样本 |
| 参考证据 | 参考数据来源、组织背景和映射置信情况 | 参考库没有覆盖目标状态却强行贴标签 |
| 最终命名 | 标签粒度与不确定性说明 | 证据一般，名字却精确到功能状态 |
这里不提供一套“全组织通用 marker 表”，因为那样反而容易误导。不同组织、物种、状态、平台和质控背景下，同一个标志的解释可能不同。注释表里应写明你的实际背景和参考出处。
先排除三个常见误会
一是把环境 RNA 当成身份依据。某类高丰度转录本在其他细胞里出现，不能直接证明形成了新亚群。二是忽略双细胞可能性；两条谱系同时出现时，要把双细胞检测和原始质控信息一起检查。三是把聚类分得更细，当成发现了更多真实细胞类型。分辨率变化后的细群，仍需要生物学证据。
用参考映射可以补充依据，但不要把自动标签当裁判。保留模型或方法名称、参考集版本、映射结果和不确定的细胞；自动结果与人工证据冲突时，先解释冲突，不是挑一个更符合故事的标签。
补图应该让读者解决什么疑问
可以用一张 DotPlot 汇总成组标志，再配一张按样本拆分的分布图。必要时展示备选标签的支持与排除证据。图例写清颜色、点大小、使用的数据层与分组单位。若经过整合，检查原始或适当归一化表达中的关键信号，不要仅凭二维嵌入位置命名。
某个亚群仍说不清，可以保留为大类、标记为待定，或不对它作过细的功能解释。这不是“分析没做好”的同义词，而是避免把有限证据说过头。若重注释改变了后续细胞比例、差异表达或通讯分析，要同步更新这些结果。
We have re-examined the annotation of cluster [X] using [marker panels], [sample-level distribution] and [reference mapping, if performed]. The supporting and conflicting evidence is summarized in [table/figure]. We have renamed this population as [supported label] and revised [affected downstream analyses]. The finer subtype remains uncertain and is not used to support [unsupported interpretation].
这是可修改的写作框架，不是对你的研究结果的陈述；未完成的工作不得写成已完成。
提交前请让一个没参与分析的人只看这张证据表：他是否能知道你为什么这样命名、又为什么没有命名得更细？如果不能，缺的往往是解释链条，不是一张更鲜艳的 UMAP。
参考与更新
本文的处理步骤为编辑整理的实践建议，需结合研究设计判断；示例不是客户案例，表格不包含虚构实测数据。
云生信 · 审稿与返修系列 · 内容核对日期 2026-10-06。我们会根据方法文档和使用反馈持续修订；欢迎通过官网反馈不准确或不清楚的地方。
