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批次效应PCA诊断与统计评估

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基础
高通量测序原理与RNA-seq实验流…
RNA-seq高通量测序原理
02
表达矩阵构建
从fastq到count matri…
表达矩阵构建fastq
03
数据预处理
质量评估(FASTQC) · 比对(STAR/HISAT2) · 定量(featureCounts)
数据预处理FASTQC
04
表达量归一化
RPKM/FPKM · TPM · CPM的原理与Python实现
表达量归一化RPKM/FPKM
05
差异表达分析基础
DESeq2/edgeR思想与Pyt…
差异表达分析基础DESeq2/edgeR
06
批次效应概念
什么是批次效应？来源（试剂 · 操作者 · 时间）与影响
批次效应概念什么是批次效应？…
07
PCA原理（上）
协方差矩阵 · 特征值分解 · 主成分的几何意义
PCA原理
08
PCA原理（下）
方差解释率 · 载荷向量 · 降维的本质
PCA原理
09
Python环境准备
安装pandas · numpy · scikit-learn
Python环境准备
10
加载RNA-seq数据
读取count矩阵 · 元数据文件 · 检查缺失值与异常值
RNA-seq加载
11
数据标准化
log2(x+1)转换 · 分位数归一化 · 移除低表达基因
数据标准化log2
12
手动实现PCA
编写Python函数完成中心化 · 协方差 · 特征分解
PCA手动实现
13
使用sklearn进行PCA
PCA类参数详解与fit_trans…
sklearnPCA
14
PCA可视化基础
二维散点图（样本点 · 颜色 · 形状）
PCA可视化基础
15
解释PCA结果
绘制Scree图（方差累积贡献）和载…
PCA解释
16
用PCA检测批次效应
将元数据中的批次变量映射到颜色 · 直观观察
PCA检测批次效应
17
量化批次效应
基于PCA的批次分离指数（如Silh…
量化批次效应PCA
18
常见批次校正方法概览
ComBat · limma removeBatchE… · RUVseq
常见批次校正方法…ComBat
19
Python实现ComBat校正
pyComBat库的安装与使用
PythonComBat
20
校正前后PCA对比
并排绘图评估校正效果
PCA校正前后
21
聚类辅助分析
K-means结合PCA · 评估批次是否主导聚类
聚类辅助分析K-means
22
可视化增强
添加椭圆 · 箭头标签 · 透明度
可视化增强添加椭圆
23
实践案例1
模拟带有批次效应的表达数据 · 手动识别与校正
实践案例1模拟带有批次效应…
24
实践案例2
下载GEO真实RNA-seq数据集 · 执行完整批次效应分析
实践案例2GEO
25
进阶
PCA与t-SNE · UMAP的对比——哪张图更适合批次检…
进阶PCA
26
自动化批次检测脚本
封装函数 · 输入表达矩阵+批次信息 · 输出报告
自动化批次检测脚…封装函数
27
常见陷阱
过度校正 · 混淆变量（如生物学差异与批次混杂）
常见陷阱过度校正
28
调试技巧
检查PCA中的outlier样本 · 处理缺失批次标签
调试技巧PCA
29
单细胞RNA-seq场景
批次效应特点与常用方法（Seurat…
RNA-seq单细胞
30
课程总结与资源推荐
Bioconductor文档 · 论文 · 实战项目建议
课程总结资源推荐