1. 整合不同数据集中同一类细胞方法：
该方法来自一篇21年5月份的Nature：Cross-tissue organization of the fibroblast lineage。这篇文章对多个脏器正常和疾病的成纤维细胞进行了整合分析，非常具有参考意义。
整体上采用的是：整合--注释--提取目的细胞群的方法
可以看到，这篇文献也是使用Harmony做的整合。
注意点：
1. 整合数据集的时候，保留的是在所有数据集中都测到了的基因，未测到的直接去除（这篇里面选的都是10x的数据，没有跨平台）。
2. 作者在做Harmony之前，先使用AddMouduleScore计算了一个stress gene signature，在做ScaleData的时候对这个评分进行了回归，以消除不同解离方法的影响。
3. 在跑RunHarmony()的时候，把theta参数设为1。这个参数及其他参数的意义见Harmony原理介绍和官网教程
2. 不同脏器的单细胞数据整合
-
猪的多器官单细胞图谱
这篇文章是先做的每个脏器的注释，然后做的整合
3. 不同疾病的数据整合
这篇文献测的是BNT162B2诱导的心肌炎患者病程不同时间点的PBMC。作者将其与新冠患者PBMC（GSE150728，包括7个新冠患者和6个正常对照）、6例注射了新冠疫苗但是没有出现心肌炎的PBMC (GSE171964)、Kawasaki或新冠引起的心肌炎患者的PBMC (GSE167029，包括9个正常对照，6个新冠引起的心肌炎和2个Kawasaki) 进行了整合分析。
整合方法：先锚点整合 (整合数据) 再Harmony (去批次)
参考：锚点整合和Harmony
