△点击放大图片
师弟：师姐，这种像“大脑”一样的流式数据图是怎么做的啊？我看好多高分文献上都用这样的数据图。
师姐：FlowJo就能一键搞定。你看FlowJo V10.10里Algorithms下的tSNE图标，点它就可以把流式数据做成这样的“脑图”了。
师弟：师姐，我按照你说的也做出了“脑图”。但是怎么看这些群体啊，它们完全不同于我的对照组啊？
△点击放大图片
师姐：这么棒吗！我来看看。师弟你这图还是不太对，两个样本相同的细胞群不重叠，都独立成群了。“新”群体还是CD4+T、CD8+T。这个样本与样本之间蛋白表达的丰度不同所以算法是纯数据计算，把它分成两类细胞。
△点击放大图片
师姐：对了师弟，你的这个样本是不是经过刺激的样本啊？
师弟：师姐，你咋看出来的？
师姐：一般T细胞刺激后CD4会内吞，检测丰度就降低了，但它仍然是CD4+T细胞，这个时候我们在做降维聚类前需要先进行归一化，让所有样本的细胞群的中位值相同，比较样本间表达蛋白的真正差异。
△点击放大图片
师弟：这个归一化，可以通过FlowJo实现么？
师姐：当然！现在FlowJo V10.10有MNN插件做归一化已经非常好用了。
首先需要下载MNN插件：https://www.flowjo.com/exchange/#/，然后解压文件，最后找到1.FlowJo10.10.0的plugins的文件夹；2.将解压后的.jar格式的文件放入FlowJo10.10.0的plugins的文件夹中。
△点击放大图片
师姐：重启FlowJo，在contact时加入Keywords，对数据进行补偿参数的Keywords组别的归一化，生成MNN参数，对MNN参数进行T-SNE，就可以看到实验分组的相同细胞群降维聚类到一起，显现真正差异的群体。
△点击放大图片
师弟：师姐，按照你说的MNN 后，PI组与NS组相同的CD4+T和CD8+T细胞群果真重叠了，可以比较出真正有差异的细胞群，即PI组特有的CD4+T和CD8+T，应该是刺激阻断后产生了IFN-G等胞内因子的细胞群！太棒啦~
△点击放大图片
