首页
›
生物信息学与 AI 制药工程
›
026-分子对接筛选批次质控
›
《组学批次效应建模与ComBat校正》
VIP20
本课程属于:026-分子对接筛选批次质控
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
组学批次效应建模与ComBat校正
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
批次效应简介
什么是批次效应 · 为什么需要校正
批次效应简介
什么是批次效应
02
批次效应的来源
实验批次 · 试剂 · 操作员
批次效应的来源
实验批次
03
批次效应的检测方法
可视化(PCA · t-SNE) · 统计检验(ANOVA
批次效应的检测方…
PCA
04
批次效应校正概述
常见策略分类(基于模型 · 基于位置 · 基于学习)
批次效应校正概述
常见策略分类
05
标准化方法
Z-score · ComBat的基本原理
标准化方法
Z-score
06
ComBat详解
参数估计 · 调整公式 · 代码实现
ComBat
参数估计
07
ComBat-seq
针对RNA-seq数据的批次效应校正
ComBat-seq
RNA-seq
08
limma的批次校正
使用removeBatchEffec…
limma
的批次校正
09
SVA
使用Surrogate Variab…
SVA
Surrogate
10
RUV(去除不需要的变异)
RUVg · RUVs等
RUV
去除不需要的变异
11
Harmony
基于聚类和校正的集成方法
Harmony
基于聚类
12
Scanorama
针对单细胞数据的批次校正
Scanorama
针对单细胞数据的…
13
MNN(互近邻)
单细胞数据校正
MNN
互近邻
14
基于线性回归的方法
回归残差法
基于线性回归的方…
回归残差法
15
基于主成分分析的方法
PCA校正
基于主成分分析的…
PCA
16
基于多因子分析的方法
MFA · JIVE
基于多因子分析的…
MFA
17
非参数方法
基于经验分布(quantile no…
非参数方法
quantile
18
深度学习方法的批次效应校正
VAE · CycleGAN
深度学习方法的批…
VAE
19
批次效应校正的评估指标
ASW · LISI · kBET等
批次效应校正的评…
ASW
20
批次效应校正的注意事项
过度校正 · 信息丢失
批次效应校正的注…
过度校正
21
真实数据案例分析(一)
基因表达芯片数据
真实数据案例分析
基因表达芯片数据
22
真实数据案例分析(二)
RNA-seq数据
真实数据案例分析
RNA-seq
23
真实数据案例分析(三)
单细胞RNA-seq数据
真实数据案例分析
RNA-seq
24
真实数据案例分析(四)
代谢组学数据
真实数据案例分析
代谢组学数据
25
代码实战
使用ComBat进行校正(R语言)
代码实战
ComBat
26
代码实战
使用Harmony进行单细胞校正(P…
代码实战
Harmony
27
代码实战
使用Scanorama进行单细胞校正…
代码实战
Scanorama
28
代码实战
评估校正效果的代码实现
代码实战
评估校正效果的代…
29
批次效应校正工具和包的介绍
sva · limma · ComBat等
批次效应校正工具
包的介绍
30
课程总结与展望
未来趋势 · 多批次整合 · 跨平台校正
课程总结
未来趋势
所属VIP或分类
同VIP:AutoDock-Vina参数批次一致性检查教程
同VIP:AutoDock-Vina对接重现性与结果校验
同VIP:AutoDock-Vina批次参数标准化与质量报告