标准单细胞RNA测序分析流程，用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析及可视化，适用于采用成熟工作流的探索性单细胞RNA测序分析。对于...

差异基因表达分析（Python DESeq2）。从批量RNA-seq计数中识别差异表达基因，使用Wald检验、FDR校正，生成火山图和MA图，用于RNA-seq分析。

标准单细胞RNA测序分析流程。适用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析和可视化。最适合采用成熟工作流程的探索性单细胞RNA测序分析。如需使用深度学习模型，请使用scvi-tools；如有关于数据格式的问题，请使用anndata。

用于单细胞组学的深度生成模型。当需要概率性批次校正（scVI）、迁移学习、带不确定性差异表达分析或多模态整合（TOTALVI、MultiVI）时使用。最适合高级建模、批次效应和多模态数据。标准分析流程请使用scanpy。