任何技术在流行的时候，都是一大堆人开发一大堆工具，但是到最后，大浪淘沙，只有一两个优秀工具被大家广为传颂！比如450K等甲基化芯片数据处理，就只剩下了ChAMP等：

单细胞数据处理也是如此，在单细胞领域近5年超一千个软件工具算法被开发，详见近期Genome Biology (2021) 杂志的一个文章：《Over 1000 tools reveal trends in the single- cell RNA-seq analysis landscape》系统性的梳理了2016-2021这5年间，位于https://www.scrna-tools.org/网页的超一千个软件工具算法。

虽然说单细胞工具一直在增加，最基础的往往是降维聚类分群，参考前面的例子：人人都能学会的单细胞聚类分群注释 ，这个领域基本上是Seurat的天下。

但是如果要提高文章档次，就需要一些高级分析了，其实它的三大高阶分析一直没有变化。

• 没想到自己会放弃conda（docker镜像的pyscenic做单细胞转录因子分析）
• 使用pyscenic做转录因子分析
• 使用基于python的velocyto软件做RNA速率分析
• CellPhoneDB的单细胞通讯结果的可视化之气泡图
• CellPhoneDB的单细胞通讯结果的理解
• 直接为CellPhoneDB创建一个独立的conda环境
• 把Seurat对象里面表达量矩阵和细胞表型信息输出给CellPhoneDB做细胞通讯
• 各个单细胞亚群特异性的转录因子热图
• 简单直接的拟时序分析方法，R包SCORPIUS推荐
• 把基因表达量画在拟时序结果图上
• 拟时序分析就是差异分析的细节剖析

比如张泽民课题组的泛癌层面NK单细胞水平分群，于2023年9月发表在CELL的《A pan-cancer single-cell panorama of human natural killer cells》，也是如此的单细胞转录组三大高阶分析：