目的收集单细胞转录组数据集，在单细胞和细胞簇水平上评估两种细胞类型的自动注释方法，并探索适合不同应用场景的方法。方法收集细胞系、组织（小鼠、人）和患者外周血四个不同生物学水平的单细胞转录组数据集。以F1－score、漏检率和运行时间为绩效指标，评估了三种同时使用两个标尺的自动注释工具以及scmap、SingleR和CelliD的六种注释方法的绩效。结果通过比较发现，小鼠全组织中55个细胞亚型的注释准确性存在显著差异。单细胞尺度注释法通常具有更好的性能，尤其是在免疫相关细胞亚型的分类中。在具体的单一方法中，scmapcell的注释精度在大多数场景中是最好的，但随着细胞数量的增加，注释速度明显较慢。单聚类显示Drop-out基因的准确性最稳定。SingleR使用小比例尺参考集进行注释具有明显的速度优势。结论该结果为不同单细胞转录组数据集自动注释方法的选择和应用提供了参考。