scRNA-seq 整合简介
单细胞测序数据集的整合，例如跨实验批次、供体或条件的整合，通常是 scRNA-seq 工作流程中的一个重要步骤。整合分析有助于在数据集之间匹配共享的细胞类型和状态，从而提高统计能力，最重要的是有助于在数据集之间进行准确的比较分析。在 Seurat 以前的版本中，作者介绍了整合分析的方法，包括 "基于锚点 "的整合工作流程。许多实验室也发布了功能强大的开创性整合分析方法，包括 Harmony 和 scVI等。
整合目标(为什么要进行数据整合？)
几个关键目标：
识别两个数据集中都存在的细胞亚群
获得在对照细胞和受刺激细胞中都保留的细胞类型marker
比较不同的组别，找出细胞类型对刺激的特定反应
整合方法：
之前分析了很多完整代码和整合时的细节问题，今天总结一下：
10. seurat v5全流程—harmmony整合+标准分析+细胞注释+批量差异、富集分析(seurat读取多个txt文件)
