单细胞测序应用极广，其数据具有样本量大、信息量大、统计和挖掘极为复杂等特点，科学家往往需要不断切换不同软件，不同平台来满足分析需求。然而，单细胞数据在不同平台之间的传输存在技术障碍，导致科学家将大量的时间花费在数据转换上，严重影响研究效率。为了解决上述问题，我们开发了软件scDIOR，统一了R和python平台的三种主流的数据结构，即Seurat，SingleCellExperiment和Scanpy。通过scDIOR，单细胞数据以统一的H5格式保存，无论从哪个平台开始，只需两行代码就可实现单细胞数据在不同工具包之间的快速转换，支持转录组和空间组等多种数据类型（可继续迭代增加），最大程度地保留了原始信息。因此，scDIOR可以快速比较一项分析任务在不同工具包的差异；依托H5文件格式的“组”，提供部分数据读取功能，大幅度减少内存消耗和时间消耗；设计了命令行指令，可实现批量数据转化。综上所述，scDIOR可以应用建立一个标准的单细胞数据结构，将不同工具的优势连接起来，帮助科学家更高效地完成单细胞的研究工作。
单细胞RNA-seq时间捕获的是发育过程的快照，当细胞的采样时间间隔大，跨度长时，单细胞的轨迹推断就面临着巨大的挑战。我们提出了STICK算法（Single cell Trajectory Inference by Coupling timepoints based on K-nearest neighbors）用于精确推断单细胞数据的动态变化轨迹。STICK利用典型相关性分析和快速近邻搜索方法，整合高变异基因和转录因子的信息，降低轨迹推断中的假阳性。在体细胞重编程的数据中，STICK能够准确推断不同细胞命运的产生过程和基因表达变化，并鉴定出了不同细胞命运在重编程早期的异质性。
 

单细胞测序；跨平台；细胞谱系；干细胞