关于癌症类型：
我做的一个肿瘤是来源于上皮的细胞的，这类癌症是上皮源性癌症，所以把上皮细胞扔进去就好了
上皮源性癌症的例子包括但不限于：肺癌乳腺癌（虽然乳腺癌发生在乳腺组织，但乳腺也是由上皮细胞组成的）胃癌结直肠癌前列腺癌宫颈癌皮肤癌（如黑色素瘤）
除了上皮源性癌症，还有其他类型的癌症，如：肉瘤（Sarcomas）：起源于间充质细胞，包括肌肉、骨骼、软骨、血管、脂肪等。淋巴瘤和白血病：起源于血液和淋巴系统。中枢神经系统肿瘤：起源于脑和脊髓的细胞。神经内分泌肿瘤：起源于神经内分泌系统的细胞
参考链接
走inferCNV流程的时候只需要针对上皮细胞即可
（上面这个链接有代码）
infercnv 需要三个文件
表达文件 （count矩阵）
基因信息文件 （基因位置）
分组信息文件
关于如何让根据cnv的结果评价哪些是上皮
文献中几种方式
1：所有上皮 （包括癌和癌旁），然后把使用seurate分类好，写进刚才的group文件中，看每个类在N和T中的数量占比，以及每个cluster的CNV score
2：也有作者把癌旁作为正常的细胞以及作为infercnv的参考，也有拿免疫，肥大，内皮细胞作为ref的
3：关于多个样本一起算和单个样本一起算的差别
4： 也有会
infercnv参数解读
常用的一些参数
infercnv_obj2 = infercnv::run(infercnv_obj,
cutoff=0.1, # cutoff=1 works well for Smart-seq2, and cutoff=0.1 works well for 10x Genomics
out_dir= "infercnv_output", # dir is auto-created for storing outputs
cluster_by_groups=T , # 这里依据的group是
hclust_method="ward.D2", plot_steps=F)
【文献复现】第二步：inferCNV+计算CNV score
这个文章中的参数
infercnv_obj2 <- infercnv::run(infercnv_obj, cutoff = 0.1, #smart-seq选择1,10X选择0.1 out_dir = "infercnv_output", cluster_by_groups = F, #是否根据患者类型(由细胞注释文件中定义) hclust_method = "ward.D2", #ward.D2方法进行层次聚类 analysis_mode = "samples", #默认是samples，推荐是subclusters denoise = TRUE, #去噪音 HMM = F, ##特别耗时间,是否要去背景噪音 plot_steps = F, #不在每个步骤后生成图形。 leiden_resolution = "auto", #可以手动调参数 num_threads = 4 #4线程工作，加快速度)
cnvscore的计算方法记录
方法一：
【文献复现】第二步：inferCNV+计算CNV score
这个文章中的参数
