VIP20
本课程属于：029-RNA-seq表达分析批次质控 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

RNA-seq多批次质控与自动化报告生成

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
RNA-seq批次效应概述
介绍批次效应的定义 · 在RNA-seq分析中的重要性以及常…
RNA-seq批次效应概述
02
批次效应产生原理
从实验设计 · 试剂批次 · 测序仪器
批次效应产生原理从实验设计
03
实验设计中的随机化与区组化
讲解如何通过合理的实验设计减少批次效… · 包括随机分组和区组设计
实验设计随机化
04
原始数据质控（FASTQ）
使用FastQC对原始测序数据进行质… · 识别低质量读段和适配器污染
FASTQ原始数据质控
05
数据预处理与过滤
包括Trimmomatic · cutadapt等工具的使用 · 去除低质量碱基和适配器序列
数据预处理过滤
06
比对与基因定量
使用STAR · Salmon · kallisto等工具将reads比…
比对基因定量
07
表达量矩阵生成与标准化
从比对结果生成counts/FPKM… · 并介绍常用的标准化方法
表达量矩阵生成标准化
08
主成分分析（PCA）检测批次效应
使用PCA可视化样本聚类 · 初步判断批次效应是否存在
PCA主成分分析
09
热图与样本间相关性矩阵
通过层次聚类热图展示样本间相似性 · 辅助识别批次分组
热图样本间相关性矩阵
10
基于距离矩阵的批次效应检测
计算样本间欧氏距离或马氏距离 · 结合MDS图进行分析
基于距离矩阵的批…计算样本间欧氏距…
11
基于方差分析（ANOVA）的批次效应检测
使用R包`pcaExplorer`或…
ANOVA基于方差分析
12
RUVseq方法原理
介绍去除未知变异（Remove Un…
RUVseq方法原理
13
SVA方法原理
Surrogate Variable…
SVA方法原理
14
ComBat方法与pyComBat
详解ComBat的原理 · 并在R和Python中实现批次效应校…
ComBatpyComBat
15
limma的removeBatchEffect函数
使用limma包的removeBat…
limmaremoveBatchE…
16
其他批次校正工具
介绍Harmony · Seurat的整合方法（适用于单细胞…
其他批次校正工具Harmony
17
校正效果的评估指标
使用PCA前后对比 · 批次相关基因数量 · 生物学差异保留程度等
校正效果的评估指…PCA
18
可视化验证校正效果
绘制校正前后的PCA图 · 箱线图 · 密度图等
可视化验证校正效…PCA
19
批次效应与生物学变异的区分
通过方差分解（如R包`varianc…
批次效应生物学变异的区分
20
批次效应对差异表达分析的影响
展示未校正批次效应时产生大量假阳性/…
批次效应对差异表…展示未校正批次效…
21
多批次整合案例
使用公共数据库（如TCGA · GEO）中多个批次的数据进行整合分析
多批次整合案例TCGA
22
基于R/Bioconductor的完整流程
从`DESeq2`到`sva`的批处…
R/Bioconduct…基于
23
基于Python的完整流程
使用`pydeseq2 · pyComBat · scanpy`等库实现批次校正
Python基于
24
质量控制报告自动生成（R Markdown）
编写可复用的R Markdown模板 · 输出HTML报告
Markdown质量控制报告自动…
25
交互式报告（Shiny应用）
构建一个简单的Shiny应用 · 让用户上传表达矩阵并实时查看质控结果
Shiny交互式报告
26
基准数据集与模拟实验
使用众所周知的批次效应基准数据（如T… · Cusanovich等）进行练习
基准数据集模拟实验
27
参数调优与最佳实践
探讨ComBat的参数（如covar… · parametric调整） · 经验阈值设定
参数调优最佳实践
28
真实案例解析
从一个GEO数据集出发 · 完整演示批次检测 · 校正
真实案例解析GEO
29
常见陷阱与注意事项
包括过度校正 · 校正后生物学信号丢失 · 批次与分组混杂问题
常见陷阱注意事项
30
课程总结与扩展
回顾全流程要点 · 推荐进一步学习资源（R包文档 · 论文
课程总结扩展