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

SPARK空间可变基因检测方法

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
空间转录组学简介
什么是空间转录组？主流技术平台（10… · Slide-seq等）概述 · 空间可变基因检测的意义
空间转录组学简介什么是空间转录组…
02
SPARK方法背景
经典空间可变基因检测方法回顾 · SPARK的提出动机与核心创新点
SPARK方法背景
03
SPARK算法原理（上）
统计模型基础——高斯过程（GP）与空…
SPARK算法原理
04
SPARK算法原理（中）
零膨胀负二项模型（ZINB）处理稀疏… · 基因表达建模细节
SPARK算法原理
05
SPARK算法原理（下）
似然比检验与置换检验 · 多重假设校正（FDR控制）
SPARK算法原理
06
SPARK与SPARK-X的区别
SPARK-X的快速近似方法 · 什么时候用SPARK · 什么时候用SPARK-X
SPARKSPARK-X
07
环境搭建与安装
R语言环境配置 · SPARK的R包安装（GitHub/… · 依赖包说明（Matrix
环境搭建安装
08
数据准备
空间转录组数据格式（h5 · h5ad · csv）
数据准备h5
09
输入数据的预处理
过滤低质量基因/spot · 归一化方法（SCTransform · logCPM）
输入数据的预处理spot
10
SPARK核心函数详解
sparkx()函数的参数（kern… · num_core · covariance等）
SPARK核心函数详解
11
空间坐标处理
坐标缩放 · 自定义原点 · 是否使用UMAP投影坐标作为空间坐标…
空间坐标处理坐标缩放
12
核函数（Kernel）选择与应用
高斯核 · 指数核 · 周期核
Kernel核函数
13
多分辨率分析
SPARK的多核策略 · 自动选择最佳核带宽 · 避免过拟合
多分辨率分析SPARK
14
结果解析与过滤
p值提取 · 基因排名 · 显著性阈值设定
结果解析过滤
15
可视化（上）
空间表达图——单个基因在组织切片上的…
可视化空间表达图
16
可视化（下）
显著性热图 · 火山图 · 富集分析结果（GO/KEGG）的整合…
可视化显著性热图
17
案例实战1
10x Visium小鼠脑切片数据—…
案例实战1Visium
18
案例实战2
Slide-seq小鼠海马数据——高…
案例实战2Slide-seq
19
案例实战3
人类癌症空间转录组——SPARK识别…
案例实战3SPARK
20
性能优化
并行计算设置（num_core） · 内存管理 · 大规模数据集（>10000 spot…
性能优化num
21
结果生物学解读
如何根据空间模式（梯度 · 斑块 · 边缘）推断基因功能
结果生物学解读如何根据空间模式
22
SPARK与其他方法的比较
与SpatialDE · MERINGUE · SOMDE
SPARK其他方法的比较
23
SPARK的局限性
稀疏数据下的假阳性 · 边缘效应 · 批次效应的处理思路
SPARK的局限性
24
SPARK的扩展应用
与单细胞数据结合（deconvolu… · 与细胞邻域分析整合
SPARK的扩展应用
25
R包开发与贡献
如何修改SPARK源码 · 自定义核函数 · 提交PR到官方仓库
R包开发贡献
26
常见报错与调试
内存不足 · 坐标重复 · 基因过滤后无结果等问题的解决方案
常见报错调试
27
参数调优指南
根据数据特性调整kernel · fdr.threshold · num_core
参数调优指南kernel
28
批量分析流程
构建Snakemake/Nextfl… · 自动化处理多个切片或多个条件
批量分析流程Snakemake/Ne…
29
结果验证与重复性
跨切片 · 跨技术平台的SPARK结果一致性评估
结果验证重复性
30
SPARK的未来方向
空间转录组多模态融合 · 深度学习增强 · 实时交互式分析工具展望
SPARK的未来方向