https://www.biorxiv.org/content/10.1101/2021.08.18.456898v1.full
我们首先评估了通过 Seurat 方法 NormalizeData 和 ScaleData10 实现的对数转换和基因中心的常见归一化/缩放方法。由于每个细胞的 UMI 测序数量不同，因此 NormalizeData 将基因计数值除以每个细胞的读取计数总数，然后乘以缩放因子（默认为 10,000）。结果是将每个细胞缩放到总共 10k UMI，以避免样品中不同细胞类型不同测序深度的影响。然后，NormalizeData 添加伪计数 1（以避免转录零值），并获取每个计数的自然日志。通过这种方式，我们对细胞进行每个细胞测序深度的归一化，从而促进更相似的细胞间比较。然而，数据需要进一步缩放，以稳定基因表达水平和方差之间的关系。ScaleData 采用简单的基因水平居中和缩放，这意味着每个基因的均值中心为零，表达值按标准差缩放。生成的缩放值（z 分数）被裁剪为最大值（默认值为 10），以减少由少数细胞子集表达的异常高方差基因的影响。
SCTransform 使用正则化的负二项式模型对 UMI 计数进行建模，以消除由细胞条形码之间测序深度不同的引起的细胞间变化。为了实现这一目标，SCTransform 汇集了丰度相似的基因以获得稳定的参数估计值，从而防止全局缩放模型引起的过度拟合。通过这种方式，SCTransform 同时校正总 UMI 和平均表达对基因方差的影响。
https://www.biorxiv.org/content/10.1101/2021.08.18.456898v1.full
