VIP20
本课程属于：046-RNA-seq表达分析特征学习任务 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

RNA-seq批次效应校正：常见问题排查指南

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
定义 · 来源 · 在RNA-seq数据分析中的重要性
批次效应概述定义
02
批次效应的可视化探索
使用PCA · 热图 · UMAP等进行初步诊断
批次效应的可视化…PCA
03
批次效应校正的基本原则
何时需要校正 · 何时不应该校正
批次效应校正的基…何时需要校正
04
ComBat方法原理与适用场景
经典批次校正方法的数学基础
ComBat方法原理
05
ComBat-seq
针对RNA-seq count数据的…
ComBat-seqRNA-seq
06
limma的removeBatchEffect函数
线性模型框架下的快速校正
limmaremoveBatchE…
07
RUVseq方法系列
RUVg · RUVr · RUVs的原理与选择
RUVseq方法系列
08
SVA（Surrogate Variable Analysis）
估计隐含的批次相关变量
SVASurrogate
09
Harmony
基于聚类优化的混合效应校正方法
Harmony基于聚类优化的混…
10
深度学习类方法
scVI · scGen等用于大数据的批次整合
深度学习类方法scVI
11
校正前的数据准备
归一化 · 变换（logCPM · vst等）的选择
校正前的数据准备归一化
12
校正效果的定量评估指标
kappa · ASW · iLISI等
校正效果的定量评…kappa
13
过度校正问题
识别方法 · 原因分析及解决策略
过度校正问题识别方法
14
校正不足问题
症状 · 背后原因及参数调整建议
校正不足问题症状
15
生物学因素与批次效应混淆
如何区分和避免误区
生物学因素批次效应混淆
16
不同表达量单位下的校正差异
counts · FPKM · TPM各自注意事项
不同表达量单位下…counts
17
单细胞RNA-seq特有挑战
稀疏性 · dropout与批次效应叠加
RNA-seq单细胞
18
Python实现概述
pyComBat包的使用与参数详解
Python实现概述
19
scanpy中的批次整合
bbknn · ingest等工具实战
scanpy批次整合
20
常见错误1
校正后丢失真实的生物学差异（过度保守…
常见错误1校正后丢失真实的…
21
常见错误2
校正后引入假阳性差异（过度激进）
常见错误2校正后引入假阳性…
22
常见错误3
小样本量下校正方法失效的替代方案
常见错误3小样本量下校正方…
23
常见错误4
忽略批次与协变量的交互作用导致偏差
常见错误4忽略批次
24
常见错误5
校正后下游分析（差异表达 · 聚类）未保留批次信息
常见错误5校正后下游分析
25
综合案例Step by Step（一）
从读入数据到初步批次识别
Stepby
26
综合案例Step by Step（二）
选择并运行主流校正方法
Stepby
27
综合案例Step by Step（三）
多维度评估校正结果
Stepby
28
综合案例Step by Step（四）
撰写可复现的分析报告
Stepby
29
最佳实践总结
数据质量把控 · 方法选择与结果解读
最佳实践总结数据质量把控
30
资源与工具汇总
软件包 · 在线教程 · 文献推荐与社区支持
资源工具汇总