伴随着单细胞转录组测序技术的进步,我们对细胞的观察能力也在提高。相较于之前只能获取一组细胞基因表达均值的转录组测序技术,新的转录组测序技术能够获得单个细胞的全局基因表达谱。这有助于提高我们对细胞分化以及疾病发病过程的理解。然而,单细胞转录组测序数据具有高维、低密度的特点,使得分析单细胞基因表达谱数据仍然是一项具有挑战性的任务。因此,很多的降维方法被用于单细胞转录组测序数据的降维。但是这些降维算法是从数据自身的角度出发,没有考虑基因在功能上的差别。针对此问题,本文基于基因之间在生物学上的依赖关系,从基因功能的角度对单细胞转录组进行特征选择。本文将具有相同功能的基因作为一个集合,以集合为单位对单细胞转录组数据进行基因筛选。在此基础上,本文提出了一种基因功能组的选取与集成方法,包括单个基因功能组的选取方法和多个基因功能组的选取与集成方法,并使用了6组公开的单细胞转录测序数据和一个功能注释数据在8种降维聚类算法组合上进行结果比对,从而验证基于基因功能进行特征筛选的可行性。本文经过实验发现,功能所含的基因数量以及功能的生物学意义都会对细胞的聚类产生影响。实验结果表明,从单个基因功能进行特征选择后的数据,可以使降维聚类等后续实验具有更好的可解释性。多个基因功能的组合使用,可以使t-SNE和UMAP算法在降维可视化和聚类效果上取得更好的结果。