矩阵很稀疏但规模很大
单个细胞只检测部分基因，却会产生大量细胞与基因组合。
稀疏格式能减少占用，但后续操作可能产生密集对象。
在实际项目里，矩阵很稀疏但规模很大常常不是单独发生的。研究人员还要围绕“矩阵很稀疏但规模很大”查看时间、处理、样本来源和批次，才能判断眼前的变化来自实验对象、处理过程，还是计算环境。
比较“矩阵很稀疏但规模很大”相关的两批单细胞资料时，即使图表相近，形成过程也可能不同。把“矩阵很稀疏但规模很大”涉及的字段、单位、标识和版本写进记录，后续复核时才有机会避免不同文件被错误合并。
当“矩阵很稀疏但规模很大”出现结果缺失或前后不一致时，先不要急着重跑全部任务。沿着计算环境检查“矩阵很稀疏但规模很大”对应的软件、参数、依赖和资源，通常更容易找到真正需要修正的环节。
矩阵很稀疏但规模很大也关系到交付质量。接收“矩阵很稀疏但规模很大”资料的人如果看不到缺失、漂移、失败和重试，就很难判断文件能否继续分析，或是否需要回到上一步补充信息。
“矩阵很稀疏但规模很大”跨实验室协作时，细小差异会被放大。团队可以为“矩阵很稀疏但规模很大”围绕权限、校验、日志和负责人约定最少记录项，让样本、脚本、日志和输出保持同一套命名关系。
质控改变数据规模
过滤低质量细胞、双细胞和异常样本会缩小任务。
阈值过严也可能删除真实生物差异。
质控改变数据规模也关系到交付质量。接收“质控改变数据规模”资料的人如果看不到字段、单位、标识和版本，就很难判断文件能否继续分析，或是否需要回到上一步补充信息。
“质控改变数据规模”跨实验室协作时，细小差异会被放大。团队可以为“质控改变数据规模”围绕软件、参数、依赖和资源约定最少记录项，让样本、脚本、日志和输出保持同一套命名关系。
保存“质控改变数据规模”的资料，并不是把所有文件永久堆在一起。与“质控改变数据规模”相关的原始证据、可重建中间文件和正式结果，应依据缺失、漂移、失败和重试分别设定保存周期。
对外解释“质控改变数据规模”的结果时，最好把已确认事实和仍待验证的判断分开。“质控改变数据规模”对应的权限、校验、日志和负责人越清楚，读者越能理解结论适用于什么条件。
如果数月后需要重新分析，最有价值的往往不是一张最终图，而是能够串起“质控改变数据规模”的记录。它会说明“质控改变数据规模”当时怎样处理适用对象、未覆盖条件和不确定性，以及为什么作出这些选择。
邻居图需要额外内存
降维、聚类和图结构会创建矩阵之外的对象。
任务估算要考虑中间结果，而不只是输入文件。
对外解释“邻居图需要额外内存”的结果时，最好把已确认事实和仍待验证的判断分开。“邻居图需要额外内存”对应的软件、参数、依赖和资源越清楚，读者越能理解结论适用于什么条件。
如果数月后需要重新分析，最有价值的往往不是一张最终图，而是能够串起“邻居图需要额外内存”的记录。它会说明“邻居图需要额外内存”当时怎样处理缺失、漂移、失败和重试，以及为什么作出这些选择。
“邻居图需要额外内存”进入云端后，传输速度只是单细胞工作的一项条件。“邻居图需要额外内存”对应的权限、校验、日志和负责人是否完整，会直接影响任务能否复现，也决定团队是否可以安全地继续协作。
检查“邻居图需要额外内存”时，可以从输出反向追到输入：先确认结果，再查看日志、参数与样本，最后回到适用对象、未覆盖条件和不确定性。这条围绕“邻居图需要额外内存”的路径有助于防止把局部结果过度外推。
在实际项目里，邻居图需要额外内存常常不是单独发生的。研究人员还要围绕“邻居图需要额外内存”查看时间、处理、样本来源和批次，才能判断眼前的变化来自实验对象、处理过程，还是计算环境。
整合多个批次更复杂
样本整合会同时保留批次、细胞类型和校正模型。
分批处理与合理保存点可以降低失败后的重算成本。
检查“整合多个批次更复杂”时，可以从输出反向追到输入：先确认结果，再查看日志、参数与样本，最后回到缺失、漂移、失败和重试。这条围绕“整合多个批次更复杂”的路径有助于区分技术问题与生物差异。
在实际项目里，整合多个批次更复杂常常不是单独发生的。研究人员还要围绕“整合多个批次更复杂”查看权限、校验、日志和负责人，才能判断眼前的变化来自实验对象、处理过程，还是计算环境。
比较“整合多个批次更复杂”相关的两批单细胞资料时，即使图表相近，形成过程也可能不同。把“整合多个批次更复杂”涉及的适用对象、未覆盖条件和不确定性写进记录，后续复核时才有机会防止把局部结果过度外推。
当“整合多个批次更复杂”出现结果缺失或前后不一致时，先不要急着重跑全部任务。沿着实验条件检查“整合多个批次更复杂”对应的时间、处理、样本来源和批次，通常更容易找到真正需要修正的环节。
整合多个批次更复杂也关系到交付质量。接收“整合多个批次更复杂”资料的人如果看不到字段、单位、标识和版本，就很难判断文件能否继续分析，或是否需要回到上一步补充信息。
高内存不是越多越好
资源申请过大可能增加排队时间和成本。
先用代表性子集估算，再决定正式任务规模更稳妥。
当“高内存不是越多越好”出现结果缺失或前后不一致时，先不要急着重跑全部任务。沿着协作交付检查“高内存不是越多越好”对应的权限、校验、日志和负责人，通常更容易找到真正需要修正的环节。
高内存不是越多越好也关系到交付质量。接收“高内存不是越多越好”资料的人如果看不到适用对象、未覆盖条件和不确定性，就很难判断文件能否继续分析，或是否需要回到上一步补充信息。
“高内存不是越多越好”跨实验室协作时，细小差异会被放大。团队可以为“高内存不是越多越好”围绕时间、处理、样本来源和批次约定最少记录项，让样本、脚本、日志和输出保持同一套命名关系。
保存“高内存不是越多越好”的资料，并不是把所有文件永久堆在一起。与“高内存不是越多越好”相关的原始证据、可重建中间文件和正式结果，应依据字段、单位、标识和版本分别设定保存周期。
对外解释“高内存不是越多越好”的结果时，最好把已确认事实和仍待验证的判断分开。“高内存不是越多越好”对应的软件、参数、依赖和资源越清楚，读者越能理解结论适用于什么条件。