近年来随着对肿瘤疾病的深入研究,许多新的癌症亚型不断被发现,根据传统方法划分地肿瘤类型无法满足当前的临床需求,人们逐渐意识到在单细胞层面上进行肿瘤异质性研究的重要性。单细胞RNA-Seq技术的出现使得异质性的研究在单细胞层面上成为可能,它能提供单个细胞内近万个基因的表达信息,为理解基因型和表现型之间的关系、全面揭示细胞间基因表达的异质性提供了有力的工具。然而遗传网络总是异构的,传统的统计网络模型不足以捕获这种特性,导致单细胞测序数据中的网络信息不能被充分利用,造成遗传信息的浪费。在本文中,我们提出了基于指数族图的混合网络聚类算法(Mixture ERGM),并将模型算法运用到单细胞测序数据之中,考虑到由于任何聚类算法都会得到相应的细胞簇,因此对聚类结果进行WGCNA分析和富集性分析检验,同时对聚类结果进行RP分析处理,找出基因表达数据中的差异表达基因,利用不同细胞类型内部高表达基因的模块参与的功能与细胞类型间的紧密关系,通过对差异表达基因以及与其相关蛋白质的富集分析和生物学通路研究,达到揭示细胞异质性的目的。