小雪：开始下雪。
缩放数据
接下来，我们应用线性变换（“缩放”），这是像PCA这样的降维技术之前的标准预处理步骤。该[ScaleData()](https://satijalab.org/seurat/reference/ScaleData.html)函数：
- 移动每个基因的表达，以使整个细胞的平均表达为0
- 缩放每个基因的表达，从而使细胞之间的方差为1
- 此步骤在下游分析中具有相等的权重，因此高表达的基因不会占主导地位
- 结果存储在
pbmc[["RNA"]]@scale.data
all.genes <- rownames(pbmc)
pbmc <- ScaleData(pbmc, features = all.genes)
此步骤耗时太长！我可以加快速度吗？
缩放是Seurat工作流程中必不可少的步骤，但仅限于将用作PCA输入的基因。因此，默认设置[ScaleData()](https://satijalab.org/seurat/reference/ScaleData.html)是仅对先前标识的可变特征执行缩放（默认为2,000）。为此，请忽略features上一个函数调用中的参数，即
pbmc <- ScaleData(pbmc)
您的PCA和群集结果将不受影响。但是，Seurat热图（如下所示产生[DoHeatmap()](https://satijalab.org/seurat/reference/DoHeatmap.html)）要求对热图中的基因进行缩放，以确保高度表达的基因不会在热图中占主导地位。为确保以后不再将任何基因排除在热图之外，我们在本教程中缩放所有基因。</details>
