在单细胞RNA测序技术还未兴起之前,大家熟知并利用的是bulk RNA测序技术,即计算基因在所有细胞中表达的平均值。但这样的数据缺失了基因在不同细胞上表达的异质性。后来随着科技的发展,单细胞RNA测序技术被提出。单细胞RNA测序技术能够在单细胞水平上对整个转录组进行分析,在许多生物学和医学应用中具有巨大的前景。尽管单细胞RNA测序技术给未来单细胞数据分析提供了很好的技术支持,但因为技术问题,单细胞数据中一些低表达值或中表达值可能会无法完全观测到,导致其表达值为0或有某种程度的减少,我们称其为dropout效应。再加上单细胞数据的稀疏特性,测序数据中的高比例0值影响了后续分析,所以对单细胞数据进行填充就成了在进行后续分析之前的一个重要步骤。本文提出双线性回归的填充技术,首先构造具有先验信息的相似矩阵,为接下来的双回归系数筛选子集,然后通过迭代进行行和列的加入稀疏惩罚的线性回归进行估计,将达到收敛条件的估计值作为最终填充值。后续数据分析表明,scBiLR能够准确恢复dropout影响下的缺失值,有助于改进后续分析,比如差异表达分析和聚类分析。