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

空间转录组spot批次效应消除策略实战教程

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
课程概述
空间转录组技术简介 · 批次效应来源 · 为什么需要消除批次效应
课程概述空间转录组技术简…
02
数据准备
从10x Visium · Slide-seq等平台获取数据 · 理解Spot计数矩阵和空间坐标
数据准备Visium
03
数据预处理
读入数据 · 过滤低质量Spot · 标准化
数据预处理读入数据
04
批次效应可视化
t-SNE/UMAP降维后按批次着色 · 识别明显批次分离
批次效应可视化t-SNE/UMAP
05
批次效应定量评估
使用kBET · LISI · ASW等指标检测批次混杂程度
批次效应定量评估kBET
06
Harmony算法原理
软聚类+迭代校正 · 适用于连续嵌入空间
Harmony算法原理
07
Harmony实战
在Seurat对象上运行Harmon… · 指定批次变量 · 调整参数
HarmonySeurat
08
Harmony结果评估
校正后UMAP可视化 · kBET/LISI指标对比
Harmony结果评估
09
Seurat整合（CCA）原理
通过共享基因的典型相关分析寻找锚点
SeuratCCA
10
Seurat整合实战
FindIntegrationAnc… · 处理多批次Spot数据
Seurat整合实战
11
Seurat整合调优
选择合适锚点数量 · 归一化方法 · 维度数
Seurat整合调优
12
Seurat整合与Harmony对比
原理差异 · 适用场景 · 运行时间比较
SeuratHarmony
13
scVI（变分自编码器）原理
深度生成模型 · 条件VAE · 可解释潜变量
scVI变分自编码器
14
scVI实战
使用scVI Python包训练模型 · 设置批次编码 · 提取校正后嵌入
scVIPython
15
scVI结果评估
重建误差 · 聚类一致性 · 批次混合度
scVI结果评估
16
MNN（Mutual Nearest Neighbors）原理
基于余弦相似度的配对矫正
MNNMutual
17
MNN实战
使用batchelor包的mnnCo…
MNNbatchelor
18
BBKNN原理
基于近似最近邻图的批次对齐 · 速度优先
BBKNN原理
19
BBKNN实战
在Scanpy中调用bbknn · 构建邻接图后聚类
BBKNNScanpy
20
ComBat原理
基于经验贝叶斯的均值/方差调整 · 经典批次校正方法
ComBat原理
21
ComBat实战
通过pyComBat或sva包对空间…
ComBatpyComBat
22
深度学习方法DeepBatch
基于自编码器或GAN的校正 · 前沿探索
DeepBatch深度学习方法
23
空间位置保留的校正策略
考虑Spot空间邻域信息（如SpaG…
空间位置保留的校…Spot
24
评估指标详解
kBET（局部分布） · LISI（局部逆辛普森） · ASW（轮廓宽度）
评估指标详解kBET
25
基准测试流程
构建标准数据集（模拟批次+真实批次） · 统一评价管线
基准测试流程构建标准数据集
26
多方法集成对比
在同一数据集上运行Harmony · Seurat · scVI
多方法集成对比Harmony
27
实战案例（一）
两个不同切片Visium数据消除批次…
实战案例Visium
28
实战案例（二）
Slide-seq与Visium跨平…
实战案例Slide-seq
29
常见问题与避坑
批次变量混淆 · 过度校正 · 计算资源优化
常见问题避坑
30
课程总结
选择策略的决策树 · 推荐工作流 · 未来发展方向（如单细胞+空间多模态）
课程总结选择策略的决策树