传统RNA测序技术研究是从整体水平研究基因的功能以及基因结构,已经广泛应用于基础研究、临床诊断和药物研发等领域,但是传统的RNA-seq方法一般是对群体细胞的分析方法,所得到的实际是一群细胞基因表达的平均值,因此,常规转录组分析方法难以鉴别异质性群体中各种细胞亚群的转录组特征。单细胞RNA-seq(sc RNA-seq,单细胞转录组)技术使用优化的新一代测序技术从各个细胞中获取转录组学信息,可以从细胞水平更好的了解细胞的功能。但是随之而来的是单细胞RNA-seq通常表现出比来自大量细胞群的RNA-seq数据更高水平的噪声和更多的零,所以如何分析单细胞RNA-seq数据是一个面临着很严重的挑战。单细胞RNA-seq数据为我们提供了研究细胞异质性和在生物条件下差异表达的基因的机会,其中一些在细胞中表达量有显著变化的高变异基因对单细胞测序数据的下游分析有着关键的作用,本文提出一种基于LOESS回归加权的单细胞RNA-Seq数据预处理算法处理基因在细胞中的表达量数据,使高变化基因在整个分析过程中作用加强,达到基因软筛选与数据降噪的目的。进一步,我选取6组单细胞RNA-seq数据对算法进行测试,首先对生成的基因表达矩阵进行预处理,然后分析预处理对后续分析(可视化、聚类、差异表达分析)的影响,实验结果表明该算法有效提升了下游分析准确度,显示出良好应用价值。之后我们分析现在常用的单细胞RNA-seq降维和特征筛选算法对后续分析的影响,实验显示此方法较其他方法对后续分析有着较好的效果。在这里,我们使用新的预处理方法处理从乳腺癌基因工程中分离出来的768个CAF的单细胞数据,然后对它们进行无监督聚类、差异表达基因、分化轨迹等分析,最后我们经过分析找到了三个细胞亚类,使用monocle工具找到了两个细胞分化节点,将细胞分为了五个分化的状态,并且找到了在这些分化节点前后表达量显著变化的基因,这些结果让我们对肿瘤微环境有了进一步的认识。