VIP20
本课程属于：019-单细胞空间整合分析 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

空间转录组批次校正与效果评估

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
空间转录组学概述
空间转录组学技术（10x Visiu… · Slide-seq · MERFISH等）基本原理
空间转录组学概述Visiu
02
批次效应基础
什么是批次效应 · 为何需要校正 · 空间转录组数据中批次效应的特殊表现（…
批次效应基础什么是批次效应
03
数据获取与格式
常用公共数据库（GEO · Single Cell Portal… · 数据下载
数据获取格式
04
数据预处理（QC）
质量控制指标（spot/细胞计数 · 基因数 · 线粒体比例）
QC数据预处理
05
归一化方法
LogNormalize · SCTransform · scran pooling-base…
归一化方法LogNormalize
06
批次效应检测
使用PCA · UMAP · t-SNE可视化各批次分布
批次效应检测PCA
07
经典方法
ComBat——原理（经验贝叶斯） · 在空间转录组中的应用 · 使用pyComBat或ComBat-…
经典方法ComBat
08
经典方法
Harmony——原理（软聚类+线性… · Harmony在空间数据中的适配 · 参数调优（theta
经典方法Harmony
09
经典方法
Seurat CCA——原理（典型相… · 使用FindIntegrationA… · 保存空间坐标
经典方法Seurat
10
经典方法
MNN——原理（互近邻） · 从scanpy的mnn_correc… · 空间数据的MNN实现细节
经典方法MNN
11
深度学习方法
scVI——原理（变分自编码器） · 使用scvi-tools训练 · 批次校正与空间信息的平衡
深度学习方法scVI
12
深度学习方法
scANVI——半监督方法 · 利用细胞类型信息辅助校正 · 实战中如何准备分类标签数据
深度学习方法scANVI
13
空间特征保留校正
SpaGCN中的批次校正模块 · GraphST方法 · 空间域识别与整合的联合策略
空间特征保留校正SpaGCN
14
空间变量基因选择
校正前/后选取空间可变基因（Spat… · SPARK · Seurat的FindSpatial…
空间变量基因选择Spat
15
多批次整合后的聚类分析
使用Leiden · Louvain算法聚类 · 比较整合前后聚类一致性
多批次整合后的聚…Leiden
16
整合后差异表达分析
使用伪bulk（pseudobulk… · 注意批次校正对P值的影响
整合后差异表达分…bulk
17
批次校正效果评估
iLISI/cLISI指标计算 · 混合得分（mixing score） · 全局空间保真度（spatial pr…
批次校正效果评估iLISI/cLISI
18
批次校正效果评估
kBET（k-nearest nei… · 在空间数据中的改进版本
批次校正效果评估kBET
19
批次校正效果评估
ASW（平均轮廓宽度）评估细胞类型分…
批次校正效果评估ASW
20
可视化评估
UMAP按批次着色 · 按细胞类型着色 · 空间位置着色
可视化评估UMAP
21
实战案例1
小鼠脑切片Visium数据整合——两… · 展示完整工作流
实战案例1Visium
22
实战案例2
人类肿瘤空间数据整合——肿瘤与正常组… · 关注肿瘤微环境区域的空间连续性
实战案例2人类肿瘤空间数据…
23
实战案例3
不同技术平台整合——Visium与S… · 处理分辨率差异与基因捕获效率差异
实战案例3Visium
24
实战案例4
时间序列空间数据校正——同一组织不同… · 校正后保留时间变化趋势
实战案例4时间序列空间数据…
25
常见陷阱
过度校正——消除真实生物学差异 · 空间模式消失 · 如何诊断与避免
常见陷阱过度校正
26
常见陷阱
欠校正——残留批次效应导致伪差 · 如何通过分步校正或参数搜索改进
常见陷阱欠校正
27
计算资源与优化
GPU加速（scVI · SpaGCN） · 内存管理（大矩阵切块）
计算资源优化
28
软件包与工具推荐
R生态（Seurat · harmony · batchelor）与Python生…
软件包工具推荐
29
实战流程完整复现
从头构建一个多批次空间转录组分析pi… · 包含QC · 归一化
实战流程完整复现pi
30
总结与展望
批次校正最佳实践总结 · 未来方向（基于参考图的校正 · 大模型应用）
批次校正最佳实践…未来方向