用代表性样本比较整合方案和CPU内存组合

在代表性样本上比较整合方案，应该同时回答两个问题：方法是否保留了需要的生物信息，资源是否适合正式数据。更换方法可能改变校正强度和输出含义，因此不能把方法变化造成的耗时差异全部当作服务器性能差异。

本文采用两层比较：先在同一计算环境中筛选适合的数据整合路径，再固定方法比较候选CPU与内存配置。示例使用Seurat的CCA与RPCA接口演示试验组织，不宣称某一种方法对所有样本都最佳。

建立代表性样本集合与未整合基线

样本集合应涵盖计划处理的技术批次和研究条件，并包含关心的细胞群。只抽取最容易混合的同类细胞，会低估完整数据的困难。记录选择标准和细胞清单；若稀有群体缺失，应标明尚未验证，不能用小样本结果保证全量表现。

先完成一致的输入检查、归一化、特征选择和PCA，保存尚未整合的准备对象。该对象应有明确的分层counts与归一化数据、sample_id和pca reduction。下面脚本要求它是已验收的准备节点，不会替你重新选择方法或自动修复不兼容的层。

分别运行候选方法，避免同时保留所有结果

将代码保存为compare_integration.R。两个方法读取同一个准备文件，并在独立R进程中运行。示例维度必须不超过已有PCA和各样本所支持范围，正式分析可在科学依据下调整并记录。

library(Seurat)
args <- commandArgs(trailingOnly=TRUE)
stopifnot(length(args) == 3L)
choice <- match.arg(args[2], c("RPCA", "CCA"))
obj <- readRDS(args[1])
stopifnot("pca" %in% Reductions(obj),
          "sample_id" %in% colnames(obj[[]]))
d <- min(30L, ncol(Embeddings(obj, reduction="pca")),
         min(table(obj$sample_id))-1L)
stopifnot(d >= 2L)
methods <- list(RPCA=RPCAIntegration, CCA=CCAIntegration)
name <- paste0("integrated.", tolower(choice))
obj <- IntegrateLayers(obj, method=methods[[choice]],
                      orig.reduction="pca", new.reduction=name,
                      dims=seq_len(d), verbose=TRUE)
emb <- Embeddings(obj, reduction=name)
stopifnot(nrow(emb)==ncol(obj), !anyNA(emb))
saveRDS(obj, args[3])
writeLines(capture.output(sessionInfo()), paste0(args[3], ".session.txt"))

/usr/bin/time -v -o rpca.time.txt   Rscript compare_integration.R prepared.rds RPCA rpca.rds   >rpca.out.txt 2>rpca.err.txt
/usr/bin/time -v -o cca.time.txt   Rscript compare_integration.R prepared.rds CCA cca.rds   >cca.out.txt 2>cca.err.txt

评估方法时，保留没有整合的参照

按样本、技术批次和已知细胞类型查看未整合与候选结果。重点核对同类细胞能否合理对应、真实条件差异是否被过度消除、少量细胞群是否消失或错误混合。UMAP仅是可视化，不能单凭一张图判断校正成功；评价应结合已有标记、实验设计和后续分析目标。

若研究条件与批次完全重合，计算方法通常无法仅凭表达数据证明哪部分差异属于技术。此时要如实记录设计限制，不靠更强整合或更大机器制造一个看似混合的结果。整合表示主要服务于对应的共同空间分析，其他统计任务应使用适合其模型的数据与样本重复设计。

固定方法后再比较服务器

选定可接受的方法与参数后，拿相同准备对象在候选环境复跑。记录CPU与个人可用额度、内存、磁盘类型、软件版本及其他负载。若同时改变方法和机器，就不能把耗时变化归因于核心数或内存。对于需要保留多个候选结果的项目，还要把文件体积纳入工作盘规划。

为每份结果保存同一组检查标签

在所有候选方法中保留相同样本ID、研究条件、可信注释和质量指标，确保比较没有因元数据遗漏而改变对象范围。若候选方案使用不同特征或参考，应在结果表中显式记录。输入规模、方法条件与CPU内存配置三者分开，性能结论才可解释。

方法输出是一个共同低维空间时，不应将它误称为已经生成可供任何统计检验直接使用的校正表达矩阵。后续任务需要什么数据，就单独准备并核对。数据层未连接导致的接口错误，也应按该统计任务所需范围处理，不能为了消除错误就不加判断地合并全部层。

最终报告应包含有效运行、方法验收、资源测量和未验证范围。必要全量整合确有容量缺口时，再据此沟通大内存独享CPU租赁；算法比较与方法选择的支持范围，应与计算资源租赁分别确认。

参考与版本核对

• Seurat：layer整合工作流
• Seurat：IntegrateLayers参考
• GNU Time：内存资源统计
• 云生信：科研计算与服务器服务范围