VIP20
本课程属于：039-单细胞空间整合批次质控 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

生物组学批次效应校正算法选型与效果评估

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
批次效应概述
什么是批次效应 · 产生原因 · 对下游分析的影响
批次效应概述什么是批次效应
02
批次效应检测方法
可视化方法（PCA · t-SNE · UMAP）与统计检验（ANOVA
批次效应检测方法PCA
03
批次校正基本概念
校正目标 · 数据类型适用范围（bulk RNA-… · scRNA-seq
批次校正基本概念校正目标
04
经典方法
ComBat（参数贝叶斯）原理 · 假设与适用场景
经典方法ComBat
05
ComBat-seq
针对RNA-seq计数数据的调整方法…
ComBat-seqRNA-seq
06
limma批次校正
线性模型框架下的批量效应移除原理
limma批次校正
07
MNN（互近邻）校正
基于局部相似性的单细胞数据整合原理
MNN互近邻
08
scMerge
基于RUV（无监督变量识别）的批量校…
scMergeRUV
09
Seurat整合（CCA）
基于典型相关分析的跨批次对齐
SeuratCCA
10
Seurat整合（RPCA）
基于稳健PCA的大规模数据整合
SeuratRPCA
11
Harmony算法
基于软聚类与迭代优化的批量效应消除
Harmony算法
12
scTransform
正则化负二项回归在批量校正中的应用
scTransform正则化负二项回归
13
LIGER
基于非负矩阵分解（NMF）的多模态数…
LIGERNMF
14
fastMNN
MNN的高效实现与参数调优
fastMNNMNN
15
基于参考的校正方法
scmap · SingleR在批量整合中的角色
基于参考的校正方…scmap
16
深度学习方法概览
scGen · scVI · BETA的核心理念
深度学习方法概览scGen
17
scVI
变分自编码器在单细胞批量校正中的实践
scVI变分自编码器
18
BETA
基于对抗学习的批量效应移除
BETA基于对抗学习的批…
19
校正效果评估指标
ARI · NMI · kBET
校正效果评估指标ARI
20
校正前后可视化对比
如何判断校正是否过度或不足
校正前后可视化对…如何判断校正是否…
21
选择校正策略的决策树
根据数据类型 · 样本量 · 技术平台
选择校正策略的决…根据数据类型
22
实操
ComBat在R中的安装与批量校正代…
实操ComBat
23
实操
Harmony在Python（sca…
实操Harmony
24
实操
Seurat V4整合流程（R语言完…
实操Seurat
25
实操
MNN校正使用batchelor包（…
实操MNN
26
实操
scVI在Python（scvi-t…
实操scVI
27
批量校正的陷阱
过度校正导致信号丢失 · 引入伪差
批量校正的陷阱过度校正导致信号…
28
多批次大整合时的注意事项
内存管理 · 计算效率 · 批次顺序
多批次大整合时的…内存管理
29
案例研究
单细胞PBMC多数据集整合与下游差异…
案例研究PBMC
30
未来趋势与总结
大规模整合 · 深度学习方法 · 可解释性提升
未来趋势大规模整合