VIP20

本课程属于：042-单细胞转录组特征学习任务 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

批次校正方法对比：CCA MNN scVI

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

批次效应概述

什么是批次效应 · 为什么需要校正 · 批次效应的来源与影响

批次效应概述什么是批次效应

批次校正方法分类

基于线性 · 非线性 · 深度学习等方法概述

批次校正方法分类基于线性

CCA（典型相关分析）原理

数学基础 · 目标函数 · 迭代过程

CCA典型相关分析

CCA在单细胞中的应用

Seurat中的CCA流程 · 参数设置 · 注意事项

CCA的优缺点

适用场景 · 局限性 · 与其他方法的比较

CCA的优缺点

MNN（互近邻）原理

匹配锚点 · 校正向量 · 局部性假设

MNN在单细胞中的应用

scran/batchelor中的M… · 参数调优

MNN的优缺点

对数据规模要求 · 对批次间差异的鲁棒性

MNN的优缺点

scVI（单细胞变分推断）原理

VAE架构 · 编码器解码器 · 批次条件嵌入

scVI单细胞变分推断

scVI模型训练

损失函数 · 优化器 · 学习率调度

scVI模型训练

使用scvi-tools进行数据整合 · 参数配置

scVI的优缺点

对大规模数据的扩展性 · 对稀有细胞类型的处理

scVI的优缺点

三种方法的理论对比

假设条件 · 数学形式 · 计算复杂度

三种方法的理论对…假设条件

模拟数据上的基准测试

如何生成模拟批次数据 · 评估指标

模拟数据上的基准…如何生成模拟批次…

真实数据上的性能评估

常用的基准数据集（PBMC · pancreatic等）

真实数据上的性能…PBMC

ARI · NMI · 批次校正后聚类质量

评估指标ARI

可视化比较

t-SNE/UMAP对比 · 批次效应移除前后的分布图

可视化比较t-SNE/UMAP

参数敏感性分析

各方法关键参数对结果的影响

参数敏感性分析各方法关键参数对…

代码实现基础

Python环境配置（anndata · scanpy · pytorch等）

代码实现基础Python

使用Seurat (CCA) 进行批次校正

R包调用 · 与Python的衔接

使用batchelor (MNN) 进行批次校正

R包调用 · Python接口

使用scVI进行批次校正

Python代码示例 · 数据预处理

结果输出与评估

计算ARI · 绘制UMAP · 保存校正后表达矩阵

结果输出评估

实战案例一

整合两个PBMC数据集（不同平台制备…

实战案例一PBMC

实战案例二

整合多个批次（时间梯度影响）

实战案例二整合多个批次

实战案例三

整合多物种数据（跨物种批次校正的挑战…

实战案例三整合多物种数据

结果解读与生物学发现

如何验证校正后保留的生物学变异

结果解读生物学发现

常见问题与调试

内存溢出 · 不收敛 · 过度校正等

常见问题调试

scGEN · Harmony等其他方法简介与对比

最新进展scGEN

根据数据规模 · 批次复杂度 · 计算资源选择合适方法

选型指南根据数据规模