Seurat: ScaleData()

https://satijalab.org/seurat/reference/scaledata
https://www.jianshu.com/p/a2de65ebb069

1. ScaleData()

在 NormalizeData() 结果的基础上，对 行数据(基因内) 进行 z-score

结果存放在 @assays$RNA@scale.data 这个 slot 中

2. 关于其中的参数 vars.to.regress=

ScaleData() 函数现在集成了之前 RegressOut() 函数的功能，用来消除(subtract/regressed out) 某些变量的影响，或者说是回归掉不需要的变异来源(regress out unwanted variation)

所填参数为 @meta.data 的一个或多个列名

常见的需要被回归掉的变异来源：细胞的转录本数量，线粒体百分比，批次效应，细胞周期

vars.to.regress= 会被传入 RegressOutMatrix() 函数

RegressOutMatrix() 函数源码在：https://rdrr.io/github/atakanekiz/Seurat3.0/src/R/preprocessing.R

RegressOutMatrix() 基于 @assays$RNA@scale.data 的数据进行计算

如果做了这一步，则结果会放在 @assays$RNA@scale.data 这个 slot 中，覆盖之前这个 slot 中的结果

使用示例一：去除(回归掉) 细胞周期的影响

S_object <- ScaleData(S_object, vars.to.regress=c("S.Score","G2M.Score"), features=rownames(S_object))

计算实质：For each gene, Seurat models the relationship between gene expression and the S and G2M cell cycle scores. The scaled residuals of this model represent a ‘corrected’ expression matrix, that can be used downstream for dimensional reduction.