VIP20
本课程属于：032-蛋白质组学批次质控 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

蛋白质组批次特异性CV统计与结果评估

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
批次效应与CV基础
什么是批次效应？为什么评估CV分布
CV批次效应
02
蛋白质组学实验设计
重复 · 随机化 · block设计对CV的影响
蛋白质组学实验设…重复
03
数据预处理流程
原始谱图 → 定量矩阵 · 关键步骤与CV关系
数据预处理流程原始谱图
04
缺失值处理对CV的影响
不同填补方法的CV分布变化
CV缺失值处理对
05
归一化方法比较
全局归一化 · 内标归一化 · 分位数归一化对CV影响
归一化方法比较全局归一化
06
CV计算与分布可视化
箱线图 · 密度图 · 累积分布图
CV计算
07
批量特异性蛋白的定义
如何基于CV阈值筛选
批量特异性蛋白的…CV
08
技术重复 vs 生物重复
CV在两类重复中的含义
vs技术重复
09
用主成分分析（PCA）辅助识别批次效应
用主成分分析（PCA）辅助识别批次效应 · 核心概念 · 实践要点
PCA用主成分分析
10
批次校正算法原理
ComBat · limma · HarmonizR
批次校正算法原理ComBat
11
批次校正前后CV对比
评估校正效果
CV批次校正前后
12
基于CV的质控指标
CV中位数 · CV变异系数 · CV曲线下面积
CV基于
13
批量特异性蛋白的统计检验
t检验 · ANOVA · 混合效应模型
批量特异性蛋白的…t检验
14
多重检验校正与FDR控制
调节CV阈值的策略
FDR多重检验校正
15
案例1
DIA蛋白质组学数据中的批次效应诊断
案例1DIA
16
案例2
大规模临床蛋白质组学的CV分布特征
案例2CV
17
使用R包进行CV分析
limma · sva · batchr
CV使用R包进行
18
使用Python进行CV计算与分析
pandas · scipy · matplotlib
PythonCV
19
交互式可视化工具
用Plotly展示CV分布与批量标签
交互式可视化工具Plotly
20
基于机器学习的批次分类器
识别潜在的批次相关蛋白
基于机器学习的批…识别潜
21
代谢组学与蛋白质组学CV比较
跨组学批次效应特点
CV代谢组学
22
时间序列实验中的CV评估
随时间漂移的蛋白质
CV时间序列实验
23
多中心研究数据整合
CV分布一致性检验
心研究数据整合CV
24
报告撰写
如何描述批次效应与CV评估结果
报告撰写CV
25
参数调优实战
CV阈值 · 校正强度 · 归一化方法选择
参数调优实战CV
26
常见坑与避雷
样本不均 · 仪器漂移 · 数据处理顺序
常见坑避雷
27
自动化流程构建
Snakemake/Nextflow…
自动化流程构建Snakemake/Ne…
28
生物信息学数据库中的批次效应信息
PRIDE · MassIVE
生物信息学数据库批次效应信息
29
前沿方法
基于深度学习的批次效应消除与CV预测
前沿方法CV
30
总结与展望
CV评估在精准蛋白质组学中的角色
CV评估