同一测序实验同一批细胞进行的多模态数据整合
单细胞多模态：多种类型数据的组合，如RNA与蛋白质数据组合，是一种多维度数据，类似多组学。 MOFA(multi- omics factor analysis)：既可以用于bulk-seq整合也可以单细胞多模态数据整合。 LIGER(linked inference of genomic experimental Relationships)文献链接
不同测序实验同一种数据整合分析
处理批次效应是首要问题，最新方法利用CCA/MNN可以识别出两个数据集间共有的部分，判定细胞间共有的生物学状态,然后以这些相同状态的细胞为基准消除批次效应。 CCA/mnnCorrect在整合处理不同来源的scRNA-seq数据时表现良好。这将极大提升发现稀有细胞、微弱转录差异细胞及与之对应maker的能力。(Haghverdi, L, et al,.2018； Butler, A,et al,. 2018)
不同来源和类型的单细胞数据整合分析
这些数据来自于同一类细胞群，由于存在着共同的生物学状态，此时可以联立分析以发现不同数据集类型间的对应关系。 MATCHER：在一维水平上比较不同类型测序数据拟时轨迹的方法。简单来说就是比对不同类型测序数据的拟时轨迹，以确定这些数据集间的对应关系。
