科学更正（2026-07-19）：早期页面曾将覆盖1,611个细胞的映射解释为离散身份；相关身份覆盖率和组成结论已撤回。本文现对2,294个细胞保留18个无监督cluster，不生成marker派生的离散身份。公开列名可解析FACS gate、set和plate，没有可靠donor字段。
Villani et al. 的人血液 DC/monocyte 数据常被用来说明免疫细胞细分。复现这篇论文时，列名中的 CD141、CD1C、pDC、Mono_classical 等信息很容易被直接写成身份；无监督 cluster 又容易被当作原文 taxonomy 的替代品。本文把这些来源分层处理，只保留公开矩阵能够支持的连续表达程序。
这组数据要解决什么问题
普通 PBMC 复现通常先区分 T、B、NK 和 monocyte。Villani 数据的难点更细：DC 与 monocyte 相关群体存在共享 marker、实验分选会改变观察组成，discovery 与 deeper 两个 set 的采样目的也不同。一个可靠的复现需要同时回答三件事：公开矩阵中能看到哪些程序，FACS gate 与这些程序是否同向，18 个 cluster 应该承担什么层级的描述。
本文把 DC1_CLEC9A、CD1C DC、AS DC、pDC、classical monocyte、nonclassical monocyte 和 cytotoxic-like 作为连续 program。它们是 marker 集合的表达方向，不是逐细胞身份表。FACS gate 是实验分选来源，set 是采样阶段信息，Leiden cluster 是无监督结构，三者都保留原有含义，不互相替代。
论文、公开数据与复现边界
- 论文：Villani et al., Science, 2017
- 题名：Single-cell RNA-seq reveals new types of human blood dendritic cells, monocytes, and progenitors
- DOI：10.1126/science.aah4573
- PubMed：PMID 28428369
- 全文：PMC5775029
- 公开数据：NCBI GEO GSE94820
GEO 公开了 discovery 与 deeper characterization 两个表达矩阵。原始 reads 受人源隐私限制，公开可用材料属于 processed expression matrix，不能当作 FASTQ 级输入。本文可以复核表达结构、列名 metadata 和 marker program，不能重新评价上游 reads 比对、barcode 处理、作者全部统计模型或后续实验验证。
数据结构和统计单位
合并并完成既定 QC 后，矩阵包含 2,294 个细胞、19,156 个基因、18 个 Leiden cluster。列名可以解析 set、FACS gate 与 plate。早期页面的映射记录覆盖 1,611 个细胞，这个数字只说明当时的规则曾为部分对象提供候选方向；本文不再把它写成身份覆盖率，也不据此计算组成。
这里没有可靠 donor 字段。因而 cell 是观察单位，cluster 是表达结构汇总单位，gate、set、plate 是公开列名中可解析的来源字段，均不能承担 donor 层面的生物重复。所有 gate 和 set 比较都属于描述性结果，不能外推外周血总体频率或人群差异。
这张 UMAP 只检查分选入口在表达空间中的分布。某些 gate 集中在局部区域，说明分选设计与转录结构存在对应关系；多个 gate 在同一区域重叠，则提示入口定义和表达状态没有一一对应。颜色只复述公开列名中的 gate，不代表本文判定的细胞身份，也不能据此计算 gate 纯度。
UMAP 位置还依赖高变基因、邻居图和降维参数。它适合帮助定位后续连续 program 的空间背景，不能证明细胞发育关系、功能转换或外周血中的自然比例。
连续程序与无监督 cluster
assignment marker 由 CLEC9A/XCR1/CADM1、CD1C/FCER1A/CLEC10A、AXL/SIGLEC6/CD5、GZMB/TCF4/CLEC4C、CD14/FCN1/S100A8、FCGR3A/LST1/MS4A7 和 NKG7/GNLY/PRF1 等组合构成。第二套 marker 由另一批实际存在于矩阵中的基因构成。评分使用当前矩阵内的标准化表达，不能解释为跨数据集概率。
每个 cluster 都能得到一个最高程序与 top-two margin，但没有绝对阈值。2,294 个细胞全部保持 exploratory only，marker-derived identity 仍为 unassigned。这项规则也适用于看起来分离很清楚的 cluster，因为高分和大差值只反映候选程序之间的相对关系。
图中每个 cluster 的最高分显示某套 marker 在该结构单元内是否集中，top-two 差值显示相邻候选方向的距离。classical monocyte、CD1C DC、pDC 等方向可以出现较大差值，但这仍不能把 cluster 名称改写成确定 taxonomy。分离较弱的 cluster 则提示共享 marker、混合来源或表达稀疏需要继续核查。
cluster 层分数适合做结构摘要，不适合当作逐细胞标签。cluster 内部仍可能包含多个程序，cluster 边界也会受邻居参数和基因选择影响。保留 18 个 cluster 作为坐标，可以让后续读者检查分数集中在哪里，同时避免把计算编号包装成生物学名称。
嵌入空间中的程序位置
Villani 数据的低维图主要用来定位表达方向。颜色来自连续分数，颜色本身没有身份语义，也没有将低分对象隐藏掉。
一片区域出现高分，说明相应 marker 在该区域更集中；相邻区域出现多套高分，说明边界或共享程序仍然存在。UMAP 上的邻近只能描述当前表达表示中的相似性，不能证明细胞转换、谱系关系或功能状态。对于 DC 与 monocyte 这种 marker 交叉明显的体系，保留梯度比强行上色更能反映证据强弱。
嵌入图也不能承担组成统计。颜色面积受细胞数、采样策略和二维投影影响，不能读取为某个亚群在血液中的占比。没有 donor 字段时，任何比例都只能描述这一份公开矩阵的观察结构。
第二套 marker 的一致性边界
assignment marker 与第二套 marker 分开计算。第二套 marker 没有参与最高分和 margin 的生成，因此可以用来检查方向是否大致同向，降低同一基因面板自我验证的风险。
Spearman 相关在不同程序间差异明显：classical monocyte 约 0.78，nonclassical monocyte 约 0.63，pDC 约 0.60；DC1_CLEC9A、CD1C DC 和 AS DC 约为 0.40、0.43 和 0.37，cytotoxic-like 约为 0.35。这些数值可用于调整文字强度，例如单核细胞方向在两套面板间更同向，部分 DC 程序的一致性较弱。
两套面板仍然来自同一个公开矩阵，所以这种检查属于 same-matrix separate-marker consistency。它不能替代外部参考映射、作者逐细胞 taxonomy、蛋白标签、独立样本或功能实验。相关系数较高也不产生身份计数，相关系数较低则不说明程序不存在，只表示当前面板与表达层的对应需要更谨慎。
FACS gate 作为来源字段
FACS gate 提供分选入口，表达程序提供转录方向。二者相互对照时，gate 中某套程序的中位数升高，可以写成“该 gate 富集相应表达方向”；不能写成确定身份的数量汇总或最终细胞类型组成。
CD141 gate 的 DC1_CLEC9A 方向、CD1C gate 的 CD1C DC 方向、AXLSIGLEC6 gate 的 AS DC 方向、pDC gate 的 pDC 方向，以及 classical/nonclassical monocyte gate 的相应程序，都可以在这张图中按中位数进行描述。中位数是 gate 内观察细胞的表达汇总，不是纯度，也不等于作者最终 taxonomy 的频率。
gate、set、plate 都不是可靠 donor。某个 gate 有更多观察细胞，可能来自分选设计或研究问题本身；某个 set 中某程序较高，可能与定向取样有关。若要进行人群层面的比较，需要 donor、患者或样本编号，以及能支持该层级的重复设计。
证据链怎样与源论文对照
源论文描述了人血液 DC、monocyte 及相关祖细胞的细分框架。本文在公开表达矩阵层面能复核的内容包括：多个 DC/monocyte 相关程序在表达空间中分开或重叠，FACS gate 与部分程序方向相容，discovery 与 deeper 的来源字段可以保留，marker 面板之间的一致性可被量化。
本文没有重新建立原文的完整 DC1-DC6 逐细胞 taxonomy，也没有访问受控 reads 或重做功能验证。因而 DC1_CLEC9A、CD1C DC、AS DC、pDC 等词在本文中用于描述 marker program 和 gate 对照，不能被读成新的逐细胞命名结果。原文 taxonomy 是外部文献层证据，本文分析没有把它导入为标签。
这套结果怎样用于项目判断
当一个私有免疫项目同时拥有流式 gate、样本列名和单细胞表达矩阵时，可以沿用同一层次：先保存实验分选来源，再用无监督结构检查表达空间，随后计算连续 marker program，再用另一套 marker 做一致性检查。结果报告可以指出某个 gate 是否富集某个表达方向、哪些 gate 发生多程序重叠、哪些 marker 需要外部验证。
对于低丰度 DC 或 monocyte 边界群体，连续分数比强制标签更适合做第一轮审查。若要给出最终身份，应补充独立参考、作者标签、蛋白层或另一批样本，并预先规定绝对阈值、top-two margin 和未分配规则。没有这些条件时，报告应保留 unassigned，并把后续验证写成分析任务。
矩阵边界与可复用分析
公开 processed matrix 可以支持归一化、降维、聚类、marker score 和 metadata 对照。它不能恢复 reads 层的低质量片段、比对错误、受控样本信息，也不能自动补全缺失 donor。对 GSE94820 这类数据，矩阵层级应在方法部分明确写出，避免把 processed expression 写成 raw count 或完整原始数据复现。
如果继续深入，可分别分析 discovery 与 deeper，观察同一程序在两个 set 中是否保持方向；可围绕 AXL/SIGLEC6、CD1C/FCER1A/CLEC10A、CLEC9A/XCR1 和单核细胞 marker 做子集相关性；也可导入原文或外部整理标签，逐项评估连续程序与作者 taxonomy 的对应程度。每一项都需要保留来源字段与不确定性，不能用更多图替代独立证据。
结论
GSE94820 合并矩阵包含 2,294 个细胞和 18 个无监督 cluster。当前证据支持 DC1_CLEC9A、CD1C DC、AS DC、pDC、classical/nonclassical monocyte 与 cytotoxic-like 的连续表达方向；FACS gate 可以作为实验来源进行对照；第二套 marker 可以检查同矩阵方向一致性；set 与 plate 可以帮助解释采样结构。
公开矩阵没有可靠 donor 字段，所有 gate、set 和 cluster 汇总均为描述性结果。本文不输出离散身份、确定身份数量或外周血总体频率。Villani 这组数据的可复用经验，是把实验来源、表达程序、无监督结构和独立验证边界放在不同层级中阅读。