單細胞分析中歸一化和标準化的差別

歸一化和标準化的差別：

二者的界限也沒有特别明顯，也沒有必要把這兩個概念分的特别清楚。隻要清楚它們大概的使用範圍就可以了：

• 常用的歸一化是log處理，之前離散程度很大的資料就被集中了
• 常用的标準化是z-score：考慮到了不同樣本對表達量的影響，消除到了表達的平均水準和偏離度的影響

使用範圍：

• 如果對表達量的範圍有要求，用log歸一化
• 如果表達量較為穩定，不存在極端最大最小值，使用歸一化
• 如果表達量離散程度很大，存在異常值和較多噪音，用标準化可以避免異常值和極端值的影響
• 在分類、聚類、PCA算法中，使用z-score值的結果更好
• 資料不太符合正态分布時，可以使用歸一化
• 機器學習的算法（SVM、KNN、神經網絡等）要求歸一化/标準化

在單細胞分析中，同時會用到Normalize和Scale（可以看： 單細胞Seurat包更新之2,700 PBMCs分析）

• 歸一化

  Normalize做的就是将資料進行一個轉換，可以讓同一基因在不同樣本中具有可比性（例如RPKM、TPM等）；另外降低離散程度。看使用的函數LogNormalize背後的計算方法就是：log1p(value/colSums[cell-idx]

  *scale_factor) ，它同時考慮到了這兩點

• 标準化

  Scale就是基于之前歸一化的結果（也就是log後的結果），再添z-score計算

最後，在 對細胞文庫差異進行normalization 這一篇中也提到了：

• Normalization “normalizes” within the cell for the difference in

  sequenicng depth / mRNA thruput

• Scaling “normalizes” across the sample for differences in range of

  variation of expression of genes

normalization一般是對文庫處理，目的消除一些技術差異；scale一般對基因表達量處理（典型的z-score：表達量減均值再除以标準差），目的是後續分析不受極值影響。在特征提取之前要保證細胞之間是有可比性的，一般用的是歸一化的方法，得到高變基因之後，為了使同一個基因在不同細胞之間具有可比性采用标準化。