复现 Montoro et al. 气道 ionocyte 单细胞数据：从 GSE103354 到 CFTR/Foxi1 稀有上皮群体注释证据

Montoro et al. 这篇气道上皮单细胞数据适合用来讲一个非常实际的痛点：稀有细胞不等于看 UMAP 上有没有一个小岛就能命名。站得住的 ionocyte-like 群体，需要同时有公开 phenotype 标签、上皮层级背景、Foxi1/Cftr/Ascl3/Atp6v0d2 等 marker 组合、稀有比例检查，以及对 CFTR 相关解释边界的克制。

为什么选这篇文献？

稀有细胞注释是很多旧单细胞项目最容易被忽略的部分。常规分析往往把大群体先标出来：basal、club、ciliated、goblet；低比例细胞因为数量少、marker 稀疏、UMAP 不一定形成大岛，容易被混进其他上皮群体里。反过来，如果为了“发现新细胞”而只看一个 marker，也容易把检测噪声或宽表达基因误写成新群体。

Montoro et al. 2018 年 Nature 文章 A revised airway epithelial hierarchy includes CFTR-expressing ionocytes 正好是一个经典案例。原文提出气道上皮层级需要修订，并描述了 CFTR/Foxi1 相关的 ionocyte。本文不重述或扩展原文机制，问题限定为：一个只有 0.36% 左右的稀有上皮群体，怎样从公开矩阵中获得可复查的注释证据？

论文和数据来源

论文、数据和公开矩阵信息如下。这里先把来源和矩阵层级交代清楚。

公开矩阵进入分析前，先确认数据层级和规模。

复现边界： 本文使用 GEO 公开的 Trachea_droplet_UMIcounts 和 Trachea_fullLength_TPM。公开文件自带 phenotype 后缀标签，因此本文是在公开标签和表达矩阵基础上做注释证据审计，不等于从 FASTQ 开始重建所有聚类，也不把 CFTR 表达直接写成囊性纤维化机制证明。

方法和分析流程

本文的处理顺序从数据层级开始：下载 GSE103354 的 droplet UMI counts、full-length TPM、series matrix 和 filelist，确认公开矩阵层级与样本/phenotype 标签；从 droplet 列名解析 M1-M6 mouse/library 标签和公开 phenotype 后缀，保留 7,193 个已过滤细胞；做矩阵层级 QC、library-size normalization、log1p、HVG/PCA/UMAP 和 9 个无监督表达状态；构建 Basal、Club、Ciliated、Goblet、Tuft、Neuroendocrine 和 Ionocyte signature，重点检查 Foxi1、Cftr、Ascl3、Atp6v0d2、Atp6v0a4、Atp6v1b1；用 full-length TPM 中 301 个标签细胞做 marker sanity check，避免只依赖 droplet 稀疏表达。这组处理先确认公开矩阵能支撑哪些问题，再把结果图解释限制在当前证据内。

公开矩阵规模：稀有细胞必须先看比例

GSE103354 的 droplet UMI 表包含 7,193 个细胞和 18,388 个基因。公开列名已经带有 phenotype 后缀，Ionocyte 标签细胞只有 26 个，占 0.36%。这个比例本身就决定了写法：不能把稀有群体当成大群体一样只看 UMAP，也不能因为数量少就忽略它。

图 1. droplet UMI 矩阵中 Basal 和 Club 是主体，Ionocyte 只有 26 个细胞。公开矩阵已经较干净，本文使用宽松的矩阵层级 QC 检查，不额外套用没有公开说明的线粒体比例过滤。

读这部分先看数据入口是否可靠。细胞数、基因检测、样本标签和矩阵层级决定了后面所有图能解释到哪里；如果这些信息没有对齐，后续降维、marker 和组成图都只能算视觉结果，不能作为复现证据。

这一步对稀有细胞复现尤其重要。一个 0.36% 的群体，如果只看比例，很容易被当作噪声；如果只看 marker，又容易被过度放大。后续每一张图都围绕一个问题：这 26 个细胞是否有一致的上皮背景和 ionocyte marker 证据？

UMAP 背景：ionocyte 不等于靠小岛形状命名

UMAP 可以帮助我们确认 broad phenotype 的结构，但不能作为稀有细胞命名的唯一证据。下面左图按公开 phenotype 着色，右图按 M1-M6 标签着色。

图 2. Basal、Club、Ciliated、Tuft 等 broad phenotype 在 UMAP 上具有可读结构。Ionocyte 细胞数量少，不一定形成一个醒目的大岛；因此不能只靠几何形状叫出稀有细胞。右图显示 M1-M6 存在采样/库组成差异，后续解释必须保留 sample composition 边界。

低维结构只回答表达空间是否可读。颜色或区域分开说明标签、阶段或状态和表达矩阵存在对应关系；它还不能单独证明谱系方向、空间位置、机制强弱或最终命运。

这个图最值得写的不等于“UMAP 分得不错”；它提醒我们稀有细胞注释的正确顺序：先确认它处在合理的上皮表达背景里，再看 marker 组合和比例，而不等于凭 UMAP 上几个红点判断。

ionocyte marker 投影：Foxi1、Cftr 和 Ascl3 要一起看

原文最被记住的地方是 CFTR-expressing ionocytes。但公开复现不能只抓住 CFTR 一个基因。CFTR 在 droplet 矩阵中表达检测稀疏，单个 marker 很容易受表达未检出影响。更稳妥的是把 Foxi1、Cftr、Ascl3、Atp6v0d2、Atp6v0a4 和 ionocyte signature 放在一起看。

图 3. Foxi1、Cftr、Ascl3 和 Atp6v0d2 信号集中在少数 ionocyte-like 细胞附近，Ionocyte signature 的高分区域也与这些点重合。Atp6v0a4/Atp6v1b1 等单基因不够特异，必须放在 marker 组合里解释。

这张图的重点是“组合证据”。如果只有 Cftr，一个稀疏 UMI 矩阵里可能看不到足够强的连续表达；如果只有 Atp6v1b1，又可能因为表达更宽而误导。Foxi1、Cftr、Ascl3、Atp6v0d2 同时出现，才更适合作为 ionocyte-like 注释的关键证据。

marker dotplot：稀有细胞要放回整个气道上皮层级里

稀有细胞不能脱离大背景解释。下面用 basal、club、ciliated、goblet、tuft、neuroendocrine 和 ionocyte marker 共同构成一个上皮 marker panel。

图 4. Basal 中 Krt5/Trp63 更明显，Club 中 Scgb1a1/Scgb3a2 更强，Ciliated 中 Foxj1/Tppp3 更强，Tuft 中 Dclk1/Pou2f3 更强，Neuroendocrine 中 Chga/Ascl1 更强。Ionocyte 列中 Foxi1、Cftr、Ascl3、Atp6v0d2 共同增强，说明稀有群体不等于孤立 marker；嵌在完整上皮层级中的一个特殊状态。

这类图要按成组证据来读。单个基因或局部高表达只能提供线索，只有 marker panel、signature score、metadata 和组成信息互相支持时，才适合写成细胞身份、状态或谱系倾向。

这个图也能解释为什么老项目常常漏掉稀有细胞：如果只做大群体 marker，ionocyte 的基因行很容易被整体 panel 淹没；如果只看 ionocyte marker，又会忽略它和 basal/club/ciliated 等主要上皮类型之间的边界。

稀有比例和样本组成：0.36% 需要谨慎写

稀有细胞最容易被夸大。本文 droplet 矩阵中 Ionocyte 标签细胞 26 个，占 0.36%。这个比例足够支持“存在一个可识别稀有群体”，但不适合在没有更多样本和实验设计的情况下讨论扩增、收缩或疾病机制。

图 5. Goblet、Tuft、Neuroendocrine 和 Ionocyte 都属于相对低比例群体。M1-M6 的组成差异明显，说明稀有细胞解释必须考虑样本/库层面的组成，而不能把 26 个细胞直接推广成所有气道状态的比例结论。

组成和交叉表需要回到采样、分选和处理流程里解释。它能说明当前公开矩阵中哪些群体被观察到、哪些标签互相吻合，但不能直接外推成组织真实比例、临床差异或完整空间生态。

这对服务型复现很关键。很多项目会问“有没有稀有细胞”，但更专业的问题应该是：这个稀有群体在不同样本中是否稳定？marker 是否一致？比例是否受采样或富集策略影响？公开矩阵能回答其中一部分，但不能替代新的实验验证。

co-marker 证据：比单 marker 更稳

为了检查 ionocyte 标签是否只靠单个 marker，我们进一步看 Foxi1 与 Cftr、Foxi1 与 Ascl3 的共表达关系。

图 6. Ionocyte 标签细胞中 Foxi1+Cftr+ 和 Foxi1+Ascl3+ 的比例高于其他细胞；非 Ionocyte 中双阳性比例接近背景。中间的 boxplot 显示 Ionocyte signature 在 ionocyte 标签中的数值整体较高。该图是细胞层面的描述性表达对照，没有进行 sample-level 显著性检验。

这张图同时给出两个边界。第一，ionocyte 标签确实有成组 marker 支持。第二，即使在 ionocyte 标签细胞里，也不能直接当作每个 marker 都在每个细胞中稳定检出，所以结论应写成“marker panel supports an ionocyte-like rare population”，，也不等于写成每个细胞都完整表达所有 marker。

full-length TPM 验证：小样本也能做 sanity check

GSE103354 还提供了 full-length TPM 表，共 301 个标签细胞，其中 Ionocyte 只有 3 个。这个数据规模太小，不能单独支撑稀有群体比例，但非常适合做 marker sanity check。

图 7. full-length TPM 中，Ionocyte 标签细胞对 Foxi1、Cftr、Ascl3、Atp6v0d2 显示出清晰富集；Basal、Club、Ciliated、Tuft、Neuroendocrine 也分别富集对应 marker。这是同一研究内另一种测序方案提供的跨平台交叉支持；由于只有 3 个 ionocyte，不能单独讨论比例或样本差异。

组成和交叉表需要回到采样、分选和处理流程里解释。它能说明当前公开矩阵中哪些群体被观察到、哪些标签互相吻合，但不能直接外推成组织真实比例、临床差异或完整空间生态。

这类辅助验证为关键结论增加了不同矩阵层级的交叉检查：droplet UMI 负责规模和稀有比例，full-length TPM 负责 marker 清晰度。两套矩阵来自同一项研究，能降低单一平台检测特性的影响，但不能当作外部队列或独立实验重复。

signature 层面：稀有群体要和 broad identity 一起评估

把所有 signature score 展开，可以看到 broad phenotype 和稀有 phenotype 的分离关系。

图 8. Basal、Club、Ciliated、Tuft、Neuroendocrine 和 Ionocyte signature 在对应 phenotype 中抬高。Ionocyte signature 的背景整体较低，说明 marker panel 对稀有群体有区分度；同时一些宽表达基因不应单独作为注释依据。

这类图要按成组证据来读。单个基因或局部高表达只能提供线索，只有 marker panel、signature score、metadata 和组成信息互相支持时，才适合写成细胞身份、状态或谱系倾向。

对类似项目来说，这张图能回答“为什么这个稀有群体不等于随便标的”：因为它不仅有 UMAP 上的位置，也有 signature score 在目标标签中的特异抬高，并且 broad epithelial signatures 没有把它完全吞掉。

score 排名：公共标签和 marker 证据是否一致？

结尾处把所有细胞按 Ionocyte signature 排名，可以直接看高分细胞是否主要来自 Ionocyte 标签。

图 9. Ionocyte 标签细胞占据最高分区域，top 30 score 中有 16 个 Ionocyte，同时也有少量 Basal/Club/Ciliated/Tuft 细胞进入前列。这说明公共标签与 marker 证据总体一致，但也提示可进一步检查潜在的低比例 missed ionocyte-like cells 或边界细胞。

这类图要按成组证据来读。单个基因或局部高表达只能提供线索，只有 marker panel、signature score、metadata 和组成信息互相支持时，才适合写成细胞身份、状态或谱系倾向。

这个图很适合引出实际项目价值：稀有细胞复现不只是确认原文标签，也可以帮助寻找可能漏标或边界不清的细胞。但这些候选细胞不能直接写成新发现，需要继续做 marker、样本一致性和更严格模型验证。

复现边界：CFTR 相关解释要克制

图 10. 本文支持公开标签、UMAP 背景、marker panel、co-marker 证据和 full-length 验证共同指向 ionocyte-like 稀有群体；但不支持仅凭这套矩阵证明 CF 疾病机制、空间生态位或新的因果路径。Atp6v1b1 也不能单独作为 ionocyte 标志。

这里的重点是限制结论强度。公开矩阵能支持表达结构、marker 和 metadata 层面的复核；更强的机制、空间、功能或临床判断，需要 raw reads、原文模型、空间/病理信息或实验验证继续补证据。

这张边界图是文章的关键收口。稀有细胞文章最容易写得过头：看到 CFTR 就讲疾病，看到 UMAP 小点就讲新群体，看到一个酸碱转运相关基因就讲功能机制。严肃复现应把“能支持的表达证据”和“需要额外实验的机制解释”分开。

与源论文主线的对照

本次复现与源论文主线一致的地方包括三点。

第一，公开 droplet UMI 矩阵保留了气道上皮主要层级。Basal、Club、Ciliated、Tuft、Neuroendocrine 和 Ionocyte 等公开 phenotype 标签在 UMAP、marker dotplot 和 signature score 中都有对应证据。

第二，Ionocyte 是低比例但 marker 支持明确的稀有群体。26 个 droplet Ionocyte 和 3 个 full-length Ionocyte 都显示出 Foxi1、Cftr、Ascl3、Atp6v0d2 等组合证据。这个结果与原文提出 CFTR-expressing ionocytes 的方向一致。

第三，复现也显示了边界。Ionocyte 稀有、样本组成不均衡、droplet marker 检测稀疏，意味着它适合写成“公开矩阵层面可复现的稀有上皮群体注释证据”，不适合写成新的 CF 机制证明。

深度解读：证据链和解释边界

回答范围：一个只有 0.36% 的稀有群体，能否从公开单细胞矩阵中被证据链支持。答案是可以，但必须依赖 marker 组合、co-marker、full-length 验证和比例边界，而不只靠 UMAP 形状。

raw / processed matrix 边界：本文使用的是 GEO 公开 droplet UMI count table 和 full-length TPM table。它适合做表达矩阵层面的注释审计和 marker 复现；它不等于从 FASTQ 重新比对，也不等于空间定位实验，也不能提供 CFTR 功能验证。

关键图读法：图 1-2 是数据规模和上皮结构背景；图 3-4 是 marker 组合；图 5 是稀有比例和样本组成；图 6 是 co-marker 证据；图 7 是 full-length 验证；图 8-9 是 signature 层面和排名层面的标签审计；图 10 是解释边界。

不能过度解释的部分：不能把 26 个细胞的比例推广到所有气道组织，不能把 CFTR 表达直接写成 CF 疾病机制，不能把 Atp6v1b1 单独作为 ionocyte 证据，不能把 top-score 的少数非 Ionocyte 标签细胞直接写成漏标新发现。更准确的说法是：这些结果支持公开矩阵层面的 ionocyte-like annotation evidence，并提示后续 reannotation 值得继续做。

如果继续深入，下一步应该做什么？可以对 top ionocyte-score 但非 Ionocyte 标签的细胞做更细的 marker 审计；可以比较 M1-M6 中 ionocyte 的样本一致性；可以结合原文或其他 airway atlas 检查 ionocyte signature 的稳健性；也可以在 private airway 数据中用同一套 marker panel 去查找是否存在低比例被漏标群体。

对类似项目有什么启发？

稀有细胞复现和重新注释的重点不止于“强行发现一个新群体”，而在于把低比例但重要的信号从大群体中认真拎出来，审计它是否有足够证据。对气道、肠道、肝脏、肿瘤微环境等单细胞项目来说，这种工作经常能把原来一句“其他上皮细胞”变成可解释的结果图和后续方向。

• 痛点 2：CFTR/Foxi1 ionocyte 的证据链要和 basal、club、ciliated 等上皮层级放在一起读。
• 痛点 3：Atp6v1b1 等宽表达基因不能单独定义 ionocyte，需要与 Foxi1/Cftr/Ascl3 共同解释。
• 痛点 4：公开矩阵能支持注释证据和候选边界，但不能直接证明疾病机制或空间生态位。

小结

Montoro et al. GSE103354 的公开矩阵可以复现气道上皮层级和 CFTR/Foxi1 ionocyte-like 稀有群体：droplet UMI 中 26 个 Ionocyte，占 0.36%；full-length TPM 中 3 个 Ionocyte 也显示清晰 marker 富集。值得保留的不等于“又画了一张 UMAP”；稀有细胞注释的证据链：比例、上皮背景、marker panel、co-marker、独立矩阵验证和解释边界。

对有类似公开或私有单细胞数据的项目来说，这类复现可以帮助发现被大类注释掩盖的低比例信号，也能把过度解释风险提前挡住。稀有细胞是否值得写，关键不在于它少不少，而在于证据链是否足够严肃。