inferCNV，回顾学习

轨迹分析的关键步骤是降维和轨迹建模，降维是把复杂的数据拆解为不同的关键部分，而这每个关键部分又可以跟生物学上不同的特征相映射在一起，之后再通过定义轨迹的起点和终点来构建出轨迹的形状

随着细胞数量的增加，使用 FindAllMarkers进行标志基因分析的速度变得很慢，因此笔者就把几种常用的标志基因检测工具都用来试了试。

SPARK用于在空间转录组学研究中识别具有空间表达模式的基因。其采用广义空间线性模型，直接对各种空间转录组技术生成的计数数据进行建模。它依托惩罚准似然算法实现大规模的可扩展计算，并利用最新开发的统计公式进行假设检验；这不仅能有效控制I类错误（假阳性），同时还具备极高的统计效能。推荐应用场景：样本量小于3,000，且数据稀疏性相对较低。

随机森林树RSF(RandomForest/RandomForestSRC)算法学习

生存分析支持向量机SVM(survivalsvm)算法学习

Mime1包-机器学习整合

tigeR整合了多个肿瘤的数据集，用于探索生物标志物和构建预测免疫治疗反应模型。

coxboost算法学习

tigeR整合了多个肿瘤的数据集，用于探索生物标志物和构建预测免疫治疗反应模型。