從而產生單個細胞類型的準確信息。然而，單細胞轉錄組結構的根本復雜性，對于弄懂這些數據提出了一個重大挑戰。

    利用單細胞基因組學，我們能夠選取一個組織的細胞，根據它們的表達譜，把它們分成不同的類型，從而確定可能有一系列功能作用的細胞亞型。但是，為了正確地做到這一點，我們需要處理一些混雜因素，直到現在，我們還沒有可靠的方法解決這些混雜因素。

    一種組織類型的樣本具有固有的復雜性：一些細胞將會是新的，一些則是舊的，在任何給定的時間點上它們將處于。大多數細胞類型也有隱藏的亞型，每一種可能具有不同的功能。該研究小組開發出一種新的單細胞潛變量模型（scLVM），可讓我們檢測和控制隱藏的亞結構，從而使相關的生物信號更容易識別。

    已經明確了如何考慮細胞周期階段、測量噪聲或生物學過程這樣的因素，從而可能獲得不同細胞類型和亞型中基因表達的更準確信息。將單細胞分析與統計方法相結合，可讓我們確定細胞類型，否則它們仍然不被發現。

    如果你所有的數據都來自于單細胞的基因表達，你就需要一種方法來識別和糾正可區分單個細胞的潛在因素，所以你可以了解其深層的生物學因素。我們的模型解釋了單細胞之間的關聯性，例如它們是否處于細胞周期的相同階段，識別可能混雜的變量，并去除它們。這也使我們更容易發現新的細胞亞型——你可能不知道已存在的變量，然后一并糾正它們。