VIP20
本课程属于：024-单细胞转录组批次质控 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

10x与Drop-seq跨平台单细胞整合分析

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
单细胞测序技术概览
10x Genomics vs Dr…
单细胞测序技术概…Genomics
02
10x Genomics 技术原理
微滴包裹 · barcode 设计 · 文库构建与数据特点
Genomics10x
03
Drop-seq 技术原理
微流控 · barcode 微珠 · 单细胞捕获与测序流程
Drop-seq技术原理
04
多平台数据整合的挑战与意义
批次效应 · 技术差异 · 数据规模与生物学问题
多平台数据整合的…意义
05
数据预处理（QC）基础
过滤低质量细胞 · 基因与UMI计数异常检测
QC数据预处理
06
10x 数据预处理实战
Cell Ranger 流程 · count 输出解读与质量控制
10x数据预处理实战
07
Drop-seq 数据预处理实战
STARsolo / Drop-se…
Drop-seq数据预处理实战
08
基因表达矩阵的标准化与归一化
LogNormalize · SCTransform
基因表达矩阵的标…归一化
09
批次效应识别与可视化
t-SNE/UMAP 着色 · PCA 分析 · RLE 图
批次效应识别可视化
10
常用数据整合方法概述
锚点法 · MNN · 深度学习方法
常用数据整合方法…锚点法
11
基于锚点的整合
Seurat CCA 方法原理与参数…
基于锚点的整合Seurat
12
Seurat 整合实战
10x与Drop-seq数据合并 · 找到锚点 · 整合数据
Seurat整合实战
13
基于互近邻（MNN）的整合
batchelor 包原理与Fast…
MNN基于互近邻
14
MNN 整合实战案例
使用 batchelor 整合10x…
MNN整合实战案例
15
基于深度学习的整合
scVI 模型原理（变分自编码器 · 条件建模）
基于深度学习的整…scVI
16
scVI 整合实战与参数调优
Python 环境搭建 · 模型训练与结果提取
scVI整合实战
17
基于参考映射的整合方法
SingleR · Azimuth 自动注释与跨数据集映…
基于参考映射的整…SingleR
18
整合后数据的一致性评估
混合评分 · ARI · NMI
整合后数据的一致…混合评分
19
批次效应校正效果的量化指标
kBET · LISI · HVG 重叠率等
批次效应校正效果…kBET
20
降维与聚类分析在整合数据中的应用
PCA · t-SNE · UMAP
降维聚类分析
21
整合后细胞类型鉴定与标注
结合已知 marker 基因进行自动…
整合后细胞类型鉴…标注
22
差异表达分析在整合数据中的策略
伪bulk分析 · 线性混合模型 · 非参数检验
差异表达分析整合数据
23
轨迹推断在整合数据中的应用
Monocle3 · Slingshot · PAGA
轨迹推断整合数据
24
基因调控网络推断与整合
SCENIC · PIDC · GRNBoost2
基因调控网络推断整合
25
10x与Drop-seq整合案例一
人外周血单核细胞数据集（PBMC）
Drop-seq10x
26
10x与Drop-seq整合案例二
小鼠脑组织数据集（皮层区域）
Drop-seq10x
27
整合结果的可视化与报告生成
gglot2 · Seurat绘图 · Rmarkdown/Quarto
整合结果的可视化报告生成
28
常见问题与调试
内存溢出 · 运行速度慢 · 结果不可重现
常见问题调试
29
最佳实践与经验总结
数据预处理关键点 · 整合方法选择 · 验证流程
最佳实践经验总结
30
未来趋势
跨平台整合与其他新兴技术（Visiu… · Slide-seq · 多模态组学整合）
未来趋势Visiu