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

MNN方法在单细胞联合分析中的应用

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
单细胞测序技术概览
10x Genomics · Smart-seq2等主流平台原理与…
单细胞测序技术概…Genomics
02
单细胞数据的挑战
稀疏性 · dropout事件 · 批次效应及整合需求
单细胞数据的挑战稀疏性
03
批次效应的来源与可视化
PCA降维 · t-SNE/UMAP中的批次分离现象
批次效应的来源可视化
04
单细胞数据整合方法分类
基于锚点（CCA） · 基于贝叶斯（scVI） · 基于匹配（MNN）等
单细胞数据整合方…CCA
05
MNN方法的核心思想
互近邻匹配与校正向量
MNN方法的核心思想
06
MNN的数学原理
高维空间中的最近邻搜索与余弦相似度
MNN的数学原理
07
MNN与经典最近邻的区别
双向最近邻 vs 单向最近邻
MNN经典最近邻的区别
08
MNN算法的两步走
第一步——寻找跨批次互近邻对
MNN算法的两步走
09
MNN算法的两步走
第二步——计算局部校正向量并平滑插值
MNN算法的两步走
10
MNN的生物学假设
细胞类型在批次间保持不变 · 仅表达量偏移
MNN的生物学假设
11
MNN与CCA对比
线性校正 vs 非线性校正 · 适用场景差异
MNNCCA
12
MNN与scVI对比
确定性方法 vs 概率方法 · 速度与规模权衡
MNNscVI
13
MNN方法在R中的实现
mnnCorrect包与batche…
MNNR
14
Python中的MNN实现
scanpy中的mnn_correc…
PythonMNN
15
实战准备
安装Python/R环境 · 加载示例数据（如PBMC · Pancreas）
实战准备Python/R
16
实战案例一
使用scanpy的mnn_corre…
实战案例一scanpy
17
实战案例一
结果评估——对比整合前后的UMAP与…
实战案例一UMAP
18
实战案例二
整合多个组织来源的胰腺细胞数据（多批…
实战案例二整合多个组织来源…
19
实战案例二
使用batchelor包中的fast…
实战案例二batchelor
20
MNN的参数调优
k值 · sigma值 · ndist选择对结果的影响
MNN的参数调优
21
MNN的局限性
无法处理完全重叠的亚群 · 对稀有细胞敏感
MNN的局限性
22
MNN的改进版
fastMNN · multiBatchNorm等预处理…
MNN的改进版
23
MNN在跨物种联合分析中的应用
人与鼠细胞同源基因映射
MNN跨物种联合分析
24
MNN在时间序列数据整合中的应用
发育轨迹对齐
MNN时间序列数据整合
25
MNN结合差异表达分析
校正后识别真实生物学差异
MNN结合差异表达分析
26
MNN结果的可视化
校正向量图 · 匹配对连接图 · 批次混合度热图
MNN结果的可视化
27
MNN与其他方法的组合使用
先MNN去批次 · 再scVI精细校正
MNN其他方法的组合使…
28
MNN在大规模数据（百万细胞级）中的计算优化
局部敏感哈希 · GPU加速
MNN大规模数据
29
MNN的评估指标
批次平均轮廓宽度（batchASW） · 细胞类型纯度 · kBET等
MNN的评估指标
30
总结与展望
MNN在单细胞多组学整合中的潜力与未…
MNN单细胞多组学整合