单细胞RNA测序在发现细胞类型、识别细胞状态、追踪发育谱系、重建细胞空间组织等方面有着巨大的潜力。随着单细胞测序技术的发展,测序的结果越来越细致,单次可测量的细胞越来越多,这些单细胞中蕴含了丰富的信息,在分析和处理这些数据的过程中,有效降维就显得更为重要。本文研究了当前流行的单细胞数据降维算法t-SNE,并把线性降维算法PCA和两种经典的基于流形学习的降维算法LLE和MDS应用到单细胞数据降维处理的过程中。并通过对四种算法的分析研究,提出一种结合降维方法。先用PCA对原始数据进行降维,然后再分别用LLE,MDS和t-SNE进行二次降维。本文首先从GEO数据库中选取数据,然后对数据进行筛选和预处理,接下来使用Linnorm归一化方法,统一数据标准,然后对数据集进行降维聚类处理,并计算ARI值。最后通过算法运行时长和ARI值,比较四种算法的优劣并进行分析。本文选取了GEO数据库中的一个公开数据集作为实证分析的处理数据集,此数据集包含六个样本。本文首先使用四种降维算法对这六个样本进行降维,通过算法运行时长和ARI值比较这四种降维算法的优劣。然后针对这几种算法存在的问题,通过算法结合的方式,对降维效果进行提升,并比较结合前后算法的降维效果。最后对三种结合算法的降维效果进行比较。从结果来看结合后的算法不仅缩短了算法的运行时长,还提高了算法降维的准确性,具有一定的应用价值。