前四章的终点是一张矩阵；第五章的起点是"这张矩阵能支撑什么结论"。单细胞蛋白数据高度缺失、批次密布、每批仅几十个细胞，直接套用转录组成熟工具会踩中每一个坑。统计分析的第一课是认清数据的局限，而不是急着跑通量代码。
另一条主线是"评估"。2023 年社区白皮书给出实验与报告规范，2025 年两项工作分别把信息学流程（DIA 横评）与数据处理流程（ANPELA）的选择建立在系统评测之上；与此同时，深度学习（scPROTEIN）试图把批次校正与缺失填补并入一个嵌入模型。方法越多，评估越重要——这是本章想传递的核心判断。
5.1
从矩阵到生物学：降维、聚类与差异丰度
主成分与统一流形逼近的适用性；差异丰度检验的零膨胀与多重检验陷阱。
5.2
基准评测：DIA 信息学流程横评
评测框架设计：工具组合、指标体系与推荐结论；如何读一篇基准论文。
5.3
ANPELA：数据处理流程的导航
三千余种流程组合的大规模筛选；流式类数据处理的要素清单与选流程的逻辑。
5.4
scPROTEIN：深度学习统一嵌入
肽段不确定性的异方差刻画；图对比学习把批次与缺失并入同一表示。
5.5
评估的试金石：掺入、稀释与重复
社区白皮书的实验设计建议；掺入、稀释系列与重复实验各自验证什么。
5.6
走向临床：肿瘤微环境与稀有细胞
临床样本天然微量；肿瘤异质性、免疫治疗响应与循环肿瘤细胞的可行案例。
5.7
资源地图：社区、数据与上手路径
资源站、社区规范与公开数据；从零到跑通第一条分析流程的路径。