细胞轨迹分析
该分析可用于解析细胞变化轨迹，指的是细胞沿着某个过程有特定化的变化终点，变化过程类似复杂树状分支变化过程。以不同的细胞亚群为分类可以得到以下结果：
结合已有认知，通过函数绘制拟时间轨迹图，从而确定轨迹路线：
细胞间配体受体互作预测
细胞间的互作交流是实现组织功能的基础。利用各细胞亚群间受体与配体的表达情况来对相互作用进行评分，以预测不同细胞间的配体受体互作交流情况。结果如图：
细胞核心生物学功能富集
通过单细胞基因集分析方法，用不同功能基因集， 来实现对单细胞的细胞功能富集，并对细胞集群进行分析和可视化展示，结果如图：
SCENIC分析寻找驱动基因
SCENIC分析（Single-Cell Regulatory Network Inference And Clustering）是对单细胞数据中的转录因子（Transcription Factors， TFs）进行研究，筛选得到调控强度显著、处于核心作用的转录因子。在肿瘤学中，SCENIC分析可以帮助找到与肿瘤发生发展相关的关键“驱动基因（Driver）”，为探究其发病机制奠定基础。
为了研究单细胞/空间转录组数据中与时空和疾病依赖的共表达模式，对所有来源数据用于统计模型计算。首先计算出所有基因对应所有 cell/spot 基因间的pearson 相关系数，得到相关性矩阵。接下来利用层级聚类对相关矩阵在基因间相似共表达模块分组，并对模块的核心基因及其功能进行分析。
单细胞转录组与空间转录组联合分析
使用与空间转录组来源相同或者相近的单细胞转录组数据，对空间中每个Spot中的细胞类型进行推测，最后会推测出空间转录组中的每个Spot对应单细胞细胞类型。
示例：
单细胞转录组细胞分群结果如下图所示：
使用与空间转录组来源相同或者相近的单细胞转录组数据，对空间中每个Spot中的细胞类型进行推测，最后会推测出空间转录组中的每个Spot对应单细胞细胞类型。
