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

ComBat批次效应检测与校正效果验证

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
批次效应概述与重要性
批次效应概述与重要性 · 核心概念 · 实践要点
批次效应概述重要性
02
批次效应产生的常见原因
批次效应产生的常见原因 · 核心概念 · 实践要点
批次效应产生的常…重点
03
批次效应的可视化探索
PCA · 热图 · 箱线图
批次效应的可视化…PCA
04
常用的批次效应检测方法介绍
常用的批次效应检测方法介绍 · 核心概念 · 实践要点
常用的批次效应检…重点
05
使用PCA评估批次效应
使用PCA评估批次效应 · 核心概念 · 实践要点
PCA使用
06
使用UMAP评估批次效应
使用UMAP评估批次效应 · 核心概念 · 实践要点
UMAP使用
07
使用聚类一致性指标（ARI、NMI）评估批次效应
使用聚类一致性指标（ARI · 核心概念 · 实践要点
ARINMI
08
使用方差分析（ANOVA）检测批次效应
使用方差分析（ANOVA）检测批次效应 · 核心概念 · 实践要点
ANOVA使用方差分析
09
批次效应校正方法概览
ComBat · Harmony · SVA
批次效应校正方法…ComBat
10
ComBat方法原理与数学基础（经验贝叶斯）
ComBat方法原理与数学基础（经验贝叶… · 核心概念 · 实践要点
ComBat方法原理
11
ComBat的假设条件与适用场景
ComBat的假设条件与适用场景 · 核心概念 · 实践要点
ComBat的假设条件
12
安装ComBat及相关R/Python包
安装ComBat及相关R/Python包 · 核心概念 · 实践要点
ComBatR/Python
13
准备工作
基因表达矩阵与批次信息
准备工作基因表达矩阵
14
数据预处理
标准化 · 缺失值处理 · 低表达滤除
数据预处理标准化
15
使用ComBat进行校正
R语言实战（sva包）
ComBat使用
16
使用PyComBat进行校正
Python实战（combat库）
PyComBat使用
17
ComBat运行参数详解（parametric、mean.only、prior.
ComBat运行参数详解（paramet… · 核心概念 · 实践要点
ComBatparametric
18
校正前后的可视化对比
PCA · 密度图 · 箱线图
校正前后的可视化…PCA
19
校正效果的定量评估（批次方差解释率、批次-分组分离度）
校正效果的定量评估（批次方差解释率 · 核心概念 · 实践要点
校正效果的定量评…批次方差解释率
20
处理多批次与混合批次设计
处理多批次与混合批次设计 · 核心概念 · 实践要点
处理多批次混合批次设计
21
处理协变量（年龄、性别）与批次共线性问题
处理协变量（年龄、性别）与批次共线性问题 · 核心概念 · 实践要点
处理协变量年龄
22
ComBat与Limma联合使用流程（校正后差异分析）
ComBat与Limma联合使用流程（校… · 核心概念 · 实践要点
ComBatLimma
23
ComBat在RNA-seq数据中的应用与注意事项
ComBat在RNA-seq数据中的应用… · 核心概念 · 实践要点
ComBatRNA-seq
24
ComBat在甲基化数据中的应用
ComBat在甲基化数据中的应用 · 核心概念 · 实践要点
ComBat甲基化数据
25
校正后的下游分析
差异表达 · 聚类 · 富集分析
校正后的下游分析差异表达
26
实操案例
合并两个公开数据集（GEO数据整合）
实操案例GEO
27
实操案例
处理时间批次效应（纵向数据）
实操案例处理时间批次效应
28
常见问题与调试
内存不足 · NaN值 · 收敛失败
常见问题调试
29
其他校正方法对比
Harmony · limma · RUVseq
其他校正方法对比Harmony
30
批次效应校正最佳实践与总结
批次效应校正最佳实践与总结 · 核心概念 · 实践要点
批次效应校正最佳…重点