VIP20
本课程属于：033-生信工作流批次质控 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

多算法批次效应校正与质量评估

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
批次效应概述
什么是批次效应 · 产生原因 · 对数据分析的影响
批次效应概述什么是批次效应
02
批次效应可视化
PCA · t-SNE · UMAP展示批次效应的方法
批次效应可视化PCA
03
批次效应评估指标
ARI · NMI · 批次熵
批次效应评估指标ARI
04
ComBat方法原理
基于位置/尺度调整的贝叶斯框架
ComBat方法原理
05
ComBat实战
Python实现ComBat校正（p…
ComBatPython
06
ComBat质控
校正前后分布对比 · UMAP验证
ComBat质控
07
Harmony方法原理
基于软聚类与迭代对齐的调和方法
Harmony方法原理
08
Harmony实战
Python接口调用Harmony
HarmonyPython
09
Harmony参数调优
theta · lambda · sigma等关键参数影响
Harmony参数调优
10
Harmony质控
聚类一致性 · 分散度评估
Harmony质控
11
MNN方法原理
基于互近邻的局部匹配校正
MNN方法原理
12
MNN实战
使用mnnpy进行单细胞数据校正
MNNmnnpy
13
MNN质控
保留生物变异与消除批次变异的平衡
MNN质控
14
Scanorama方法原理
基于局部敏感哈希的数据融合
Scanorama方法原理
15
Scanorama实战
Python环境部署与调用
ScanoramaPython
16
Scanorama质控
校正后基因表达保留度评估
Scanorama质控
17
Seurat V5整合流程
基于CCA与MNN的混合方法
SeuratV5
18
Seurat整合实战
Python版SeuratWrapp…
Seurat整合实战
19
Seurat整合质控
锚点质量 · 整合一致性诊断
Seurat整合质控
20
DeepLearning方法概览
Autoencoder · VAE · CycleGAN在批次校正中的应用
DeepLearning方法概览
21
scVI方法原理
基于变分推断的深度生成模型
scVI方法原理
22
scVI实战
使用scvi-tools进行批次校正
scVIscvi-tools
23
scVI质控
潜空间分布 · 下游聚类验证
scVI质控
24
BBKNN方法
基于图结构的快速批次校正
BBKNN基于图结构的快速…
25
BBKNN实战
Python中构建BBKNN邻域图
BBKNNPython
26
多方法比较
ComBat vs Harmony…
多方法比较ComBat
27
批次校正流程设计
数据预处理 · 标准化 · 校正
批次校正流程设计数据预处理
28
质控指标体系
校正前后差异基因数量变化 · 批次熵 · Wilcoxon秩和检验
质控指标体系校正前后差异基因…
29
实战案例
跨平台单细胞数据整合（10x vs…
实战案例vs
30
实战案例
时间序列样本的批次效应校正与下游分析
实战案例时间序列样本的批…