Harmony
單細胞數據整合-1：Harmony原理介紹和官網教程 - 簡書
harmony算法與其他整合算法相比的優勢：
(1)整合數據的同時對稀有細胞的敏感性依然很好
(2)省內存；
(3)適合于更復雜的單細胞分析實驗設計，可以比較來自不同供體，組織和技術平臺的細胞。
基本原理:
我們用不同顏色表示不同數據集，用形狀表示不同的細胞類型。首先，Harmony應用主成分分析（https://mp.weixin.qq.com/s?__biz=MzI5MTcwNjA4NQ==&mid=2247484036&idx=1&sn=22ee356d0c9680d56dada1b777985ed2&scene=21#wechat_redirect）將轉錄組表達譜嵌入到低維空間中，然后應用迭代過程去除數據集特有的影響。
(A) Harmony概率性地將細胞分配給cluster，從而使每個custer內數據集的多樣性最大化。
(B) Harmony計算每個cluster的所有數據集的全局中心，以及特定數據集的中心。
(C)在每個cluster中，Harmony基于中心為每個數據集計算校正因子。
(D)最后，Harmony使用基于C的特定于細胞的因子校正每個細胞。由于Harmony使用軟聚類，因此可以通過多個因子的線性組合對其A中進行的軟聚類分配進行線性校正，來修正每個單細胞。
重復步驟A到D，直到收斂為止。聚類分配和數據集之間的依賴性隨著每一輪的減少而減小
SingCellaR
當然，SingCellaR本身是類似于Seurat一樣，是能進行一站式單細胞數據分析的強大工具，我們可以從下面介紹的Figs中可以看到SingCellaR出圖的配色也是別具一格，很漂亮的，而且還整合了多種分析流程；此外，其內置的造血干細胞相關的signatures比較方便大家對干細胞分化進行分析，當換成其它gene sets也是可以的，
CellChat三部曲1：使用CellChat對單個數據集進行細胞間通訊分析
full_join、inner_join、left_join和right_join連接數據框
單細胞基礎知識補充5-R語言full_join、inner_join、left_join和right_join連接數據框 - 簡書 (jianshu.com)
fread() 函數快速讀取大表格以及取子集
