单细胞分析中归一化和标准化的区别

归一化和标准化的区别：

二者的界限也没有特别明显，也没有必要把这两个概念分的特别清楚。只要清楚它们大概的使用范围就可以了：

• 常用的归一化是log处理，之前离散程度很大的数据就被集中了
• 常用的标准化是z-score：考虑到了不同样本对表达量的影响，消除到了表达的平均水平和偏离度的影响

使用范围：

• 如果对表达量的范围有要求，用log归一化
• 如果表达量较为稳定，不存在极端最大最小值，使用归一化
• 如果表达量离散程度很大，存在异常值和较多噪音，用标准化可以避免异常值和极端值的影响
• 在分类、聚类、PCA算法中，使用z-score值的结果更好
• 数据不太符合正态分布时，可以使用归一化
• 机器学习的算法（SVM、KNN、神经网络等）要求归一化/标准化

在单细胞分析中，同时会用到Normalize和Scale（可以看： 单细胞Seurat包升级之2,700 PBMCs分析）

• 归一化

  Normalize做的就是将数据进行一个转换，可以让同一基因在不同样本中具有可比性（例如RPKM、TPM等）；另外降低离散程度。看使用的函数LogNormalize背后的计算方法就是：log1p(value/colSums[cell-idx]

  *scale_factor) ，它同时考虑到了这两点

• 标准化

  Scale就是基于之前归一化的结果（也就是log后的结果），再添z-score计算

最后，在 对细胞文库差异进行normalization 这一篇中也提到了：

• 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一般是对文库处理，目的消除一些技术差异；scale一般对基因表达量处理（典型的z-score：表达量减均值再除以标准差），目的是后续分析不受极值影响。在特征提取之前要保证细胞之间是有可比性的，一般用的是归一化的方法，得到高变基因之后，为了使同一个基因在不同细胞之间具有可比性采用标准化。