SCTransform：单细胞样本的标准化

Seurat从3.0版本引进了SCTransform这个函数用来对数据做标准化，并且这一个函数可以代替三个函数（NormalizeData, ScaleData, FindVariableFeatures）的运行。 且其对测序深度的校正效果要好于log标准化。（10万以内的细胞都建议使用SCT标准化） ️SCTransform对测序深度的校正效果很好，也可用于矫正线粒体等因素的影响，但不能用于批次矫正。

官网： https://cran.r-project.org/web/packages/sctransform/index.html https://satijalab.org/seurat/archive/v3.0/sctransform_vignette.html

官网对这个函数的描述：A normalization method for single-cell UMI count data using a variance stabilizing transformation. The transformation is based on a negative binomial regression model with regularized parameters. As part of the same regression framework, this package also provides functions for batch correction, and data correction. See Hafemeister and Satija 2019 for more details. （这是一个用方差稳定变换对单细胞UMI count 数据标准化的方法，方差稳定变换是基于负二项回归。这个函数在对数据进行均一化的同时还可以去除线粒体红细胞等混杂因素的影响。）

示例数据下载：pbmc3k