首页
›
生物信息学与 AI 制药工程
›
030-空间转录组批次质控
›
《组学批次效应评估与数据泄漏防护》
VIP20
本课程属于:030-空间转录组批次质控
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
组学批次效应评估与数据泄漏防护
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 · 为什么重要 · 历史背景
批次效应概述
什么是批次效应
02
批次效应的来源
实验操作 · 试剂批次 · 仪器差异
批次效应的来源
实验操作
03
批次效应的类型
系统性批次效应与随机批次效应
批次效应的类型
系统性批次效应
04
批次效应对数据分析的影响
假阳性 · 假阴性 · 统计效力下降
批次效应对数据分…
假阳性
05
可视化识别批次效应
PCA · t-SNE · UMAP等降维方法
可视化识别批次效…
PCA
06
统计学检测批次效应
ANOVA · Kruskal-Wallis · limma等
统计学检测批次效…
ANOVA
07
数据预处理与质量控制
标准化 · 归一化 · 数据清洗
数据预处理
质量控制
08
ComBat方法原理
使用贝叶斯框架调整均值与方差
ComBat
方法原理
09
ComBat的变种
ComBat-Seq · ComBat for microar… · harmonization
ComBat
的变种
10
limma方法
线性模型与经验贝叶斯
limma
线性模型
11
SVA(Surrogate Variable Analysis)方法
估计隐含变量
SVA
Surrogate
12
RUV(Remove Unwanted Variation)方法
利用控制基因
RUV
Remove
13
基于回归的校正方法
线性回归 · 混合模型
基于回归的校正方…
线性回归
14
基于深度学习的批次校正
autoencoder · VAE · CycleGAN
基于深度学习的批…
autoencoder
15
多模态数据整合中的批次效应
omics · 影像 · 临床数据
多模态数据整合
批次效应
16
单细胞RNA-seq中的批次效应
细胞类型特异性的挑战
RNA-seq
单细胞
17
批次效应校正的评估指标
kNN · ARI · 生物变异保留度
批次效应校正的评…
kNN
18
模拟数据生成
用于评估批次校正方法
模拟数据生成
用于评估批次校正…
19
常用工具介绍
R包(sva · limma · ruv)与Python包(pyCom…
常用工具介绍
sva
20
实际案例分析
多个批次微阵列数据的校正
实际案例分析
多个批次微阵列数…
21
实际案例分析
单细胞测序数据整合(Seurat · Scanpy)
实际案例分析
Seurat
22
批次效应与其他混淆因素
细胞周期 · 文库大小 · 细胞活力
批次效应
其他混淆因素
23
时间相关的批次效应
长期实验中的漂移与校正
时间相关的批次效…
长期实验
24
多中心研究中的批次效应
站点效应与处理方法
心研究
批次效应
25
批次校正与数据泄露
防止过拟合与验证策略
批次校正
数据泄露
26
批次效应与差异表达分析
校正前后结果对比
批次效应
差异表达分析
27
批次效应与机器学习建模
特征选择与模型泛化
批次效应
机器学习建模
28
最佳实践与工作流程
从数据收集到报告
最佳实践
工作流程
29
常见误区与陷阱
过度校正 · 移除生物信号
常见误区
陷阱
30
未来方向
可解释性 · 标准化基准 · 社区资源
未来方向
可解释性
所属VIP或分类
同VIP:CICD测试空间质控流程稳定性
同VIP:ComBat空间转录组批次校正与质量验证
同VIP:H&E组织图像与空间转录组数据配准