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

SVA批次校正统计建模实战

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
第1节
批次效应概述 · ChIP-seq）中批次效应不可避免…
第1节批次效应概述
02
第2节
批次校正方法概览 · Limma · RUV
第2节批次校正方法概览
03
第3节
SVA（Surrogate Vari…
第3节SVA
04
第4节
SVA模型推导 · 第二步估计可替代变量。公式解读
第4节SVA
05
第5节
SVA vs. 其他方法的区别 · RUV的核心区别 · 而是从数据中学习
第5节SVA
06
第6节
准备工作 · 准备表达矩阵和表型数据
第6节准备工作
07
第7节
数据输入与清洗 · 处理缺失值 · 过滤低表达基因
第7节数据输入
08
第8节
基础SVA实战 · 提取可替代变量
第8节SVA
09
第9节
SVA参数详解 · method · vfilter
第9节SVA
10
第10节
有监督SVA
第10节SVA
11
第11节
SVA与差异表达分析结合 · limma）中校正
第11节SVA
12
第12节
使用SVA校正可视化 · 热图 · 观察批次效应是否被消除
第12节SVA
13
第13节
评估校正效果 · 使用p值直方图 · 批量合并的F统计量
第13节评估校正效果
14
第14节
SVA的局限性
第14节SVA
15
第15节
SVA的变体 · SIRM · PMD等。简介
第15节SVA
16
第16节
SVA在RNA-seq中的应用实战 · 经sva · 差异表达
第16节SVA
17
第17节
SVA在甲基化数据中的应用 · 处理450K/850K芯片
第17节SVA
18
第18节
SVA在ChIP-seq中的应用 · 结合edgeR/DESeq2
第18节SVA
19
第19节
SVA与多组学整合 · mixOmics等
第19节SVA
20
第20节
SVA与机器学习
第20节SVA
21
第21节
大规模数据优化 · 降采样）
第21节大规模数据优化
22
第22节
SVA结果解读：输出对象（sv · pprob）的含义 · 如何选择合适的可替代变量数
第22节SVA
23
第23节
常见错误与调试 · 收敛失败）处理 · 我曾踩过的一个坑
第23节常见错误
24
第24节
SVA与贝叶斯方法比较 · pSIMM的对比
第24节SVA
25
第25节
SVA软件包的其他功能 · converged · n.sv. etc. 实操
第25节SVA
26
第26节
模拟数据实验 · 验证SVA的校正效果
第26节模拟数据实验
27
第27节
SVA与质量评估：检查样本相关性 · 批次分布 · 批次变量与可替代变量的关系
第27节SVA
28
第28节
在Python中使用SVA · 或Python中的pySVA（如有）
第28节Python
29
第29节
SVA的最新进展（2020s） · 多任务学习
第29节SVA
30
第30节
综合案例：从真实公开数据（如GTEx · GEO）出发 · 完成SVA批次校正及下游分析报告输出
第30节GTEx