处理流程图示
不同处理后的UMAP图
LISI指数差异
CD8+T细胞数据整合。
A.UMAP图显示CD8+ T细胞。每个点代表一个单细胞。第一张图显示的是来自所有数据集的细胞，第二张图显示的是黑色素瘤研究中的细胞。这两幅图都由数据集着色。很明显，来自不同数据集的细胞形成了不同的簇，说明批次效应的存在。下面的图显示了所有数据集的细胞，但由5个标记基因的标准化表达着色。
B.对A数据进行z-score标准化后的UMAP图。
C.对B数据应用mini-clusters处理后的UMAP图，也就是说，每个点代表一个小型集群。
D.对C数据应用批次矫正算法Harmony之后的UMAP图。
E.箱线图显示了A、B、C、D数据中的LISI (Local Inverse Simpson’s Index)分布。值得注意的是，在步骤B中，大部分细胞存在LISI > 1，提示未观察到明显的批量效应;在步骤B、C和D中，LISI显著增加，表明改进了数据整合。
数据整合和元集群识别
为了整合来自不同平台和不同研究的异构数据，采用了三个步骤。
对每个细胞进行size-factor normalization，对每个基因进行z-score scaling
为了减少技术噪音，如转录本退出，将单细胞划分为小组(称为微聚类，miniclusters)，每个小组包含类似的细胞。这样，原始基因通过细胞表达矩阵转化为微聚类表达矩阵的基因。将所有数据集的矩阵按列组合，只保留所有数据集中存在的基因。合并的矩阵将用于下游分析。
应用批量效应校正算法Harmony对批次效应进行校正。
使用局部逆辛普森指数(local inverse Simpson’s Index,LISI)来评估整合效果。LISI定义了单个细胞附近的数据集的有效数量。LISI值越高，说明邻域的数据集越多，批处理效应越小。从之前的图可以看出z-score scaling 已经消除了由于平台和研究的差异而引起的批量效应，UMAP上数据集的均匀分布和LISI分布表明大多数细胞的LISI大于1证明了这一点。将单个细胞分组成小簇后，某些隐藏的细胞状态变得明显，并显著提高了LISI。使用Harmony进一步显著增加了LISI。
