首页
›
生物信息学与 AI 制药工程
›
024-单细胞转录组批次质控
›
《Seurat与Scanpy批次校正方法对比分析》
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
Seurat与Scanpy批次校正方法对比分析
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
批次效应概述
什么是批次效应 · 产生原因及典型表现
批次效应概述
什么是批次效应
02
批次校正的重要性
校正与否对下游分析的影响
批次校正的重要性
校正
03
单细胞数据分析流程中批次校正的插入位置与策略
单细胞数据分析流程中批次校正的插入位置与… · 核心概念 · 实践要点
单细胞数据分析流…
批次校正的插入位…
04
Seurat与Scanpy框架简介
设计哲学 · 数据结构与核心函数
Seurat
Scanpy
05
Seurat的CCA方法原理
典型关联分析及其在整合中的应用
Seurat
CCA
06
Seurat的MNN方法原理
互近邻匹配与修正
Seurat
MNN
07
Seurat的Harmony方法原理
基于迭代聚类的最优软分配
Seurat
Harmony
08
Seurat的RPCA方法原理
基于降维的快速整合
Seurat
RPCA
09
Seurat批次校正实战
从数据读取到整合对象构建
Seurat
批次校正实战
10
Scanpy的BBKNN方法原理
基于邻域图的快速批量校正
Scanpy
BBKNN
11
Scanpy的Scanorama方法原理
基于SVD的拼接与校正
Scanpy
Scanorama
12
Scanpy的ComBat方法原理
经验贝叶斯框架下的批次移除
Scanpy
ComBat
13
Scanpy中Harmony的使用
pip install harmon…
Scanpy
Harmony
14
Scanpy批次校正实战
使用ingest / bbknn /…
Scanpy
批次校正实战
15
数据预处理对比
数据归一化 · 高变基因选择 · PCA设置差异
数据预处理对比
数据归一化
16
降维与聚类在批次校正前后的角色
UMAP变化与聚类一致性
降维
聚类
17
批次校正效果的可视化评估
分面UMAP · 混合评分图 · 密度图
批次校正效果的可…
UMAP
18
定量评估指标详解
LISI(局部逆Simpson指数) · kBET · ASW
定量评估指标详解
LISI
19
批次校正对差异表达分析的影响
假阳性控制与生物学信号保留
批次校正对差异表…
假阳性控制
20
内存与计算效率对比
不同方法在10万细胞级别上的耗时与资…
内存
计算效率对比
21
大规模数据集的批次校正策略
分块处理 · 增量整合 · 采样策略
大规模数据集的批…
分块处理
22
多批次与多组学数据整合
Seurat的 WNN + 批次校正…
多批次
多组学数据整合
23
不同测序平台间的批次校正
10X vs Smart-seq2…
不同测序平台间的…
vs
24
基于深度学习的批次校正方法简介
scVI · scANVI与SpaGE的定位
基于深度学习的批…
scVI
25
用户自定义校正策略
Seurat的RegressOut与…
用户自定义校正策…
Seurat
26
Seurat与Scanpy的互操作性
Seurat对象转h5ad及Scan…
Seurat
Scanpy
27
常见问题与调试技巧
校正过度 · 批次残留 · 标签混杂排查
常见问题
调试技巧
28
案例实战
PBMC数据集(3批次)的Seura…
案例实战
PBMC
29
案例实战
脑组织多数据集整合(10X visi…
案例实战
visi
30
总结与最佳实践建议
如何根据数据规模与实验设计选择方法
最佳实践建议
如何根据数据规模
所属VIP或分类
同VIP:10x与Drop-seq单细胞批次整合与评估
同VIP:10x与Drop-seq跨平台单细胞整合分析
同VIP:10x与Smart-seq2批次整合案例讲解