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特征构建：从表达矩阵到机器学习模型

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
RNA-seq基础回顾
测序原理 · 比对定量方法 · 表达矩阵的由来（counts/FPK…
RNA-seq基础回顾
02
表达矩阵预处理
低表达基因过滤 · 归一化方法（CPM · RPM
表达矩阵预处理低表达基因过滤
03
批次效应识别与校正
PCA可视化 · ComBat · limma removeBatchE…
批次效应识别校正
04
缺失值处理
基因表达缺失原因 · 常见填补策略（均值/中位数/随机森林…
缺失值处理基因表达缺失原因
05
数据标准化尺度
Z-score · 分位数归一化 · Min-Max缩放的适用场景
数据标准化尺度Z-score
06
质量控制与异常样本检测
样本相关性热图 · PCA outlier · 层次聚类树
质量控制异常样本检测
07
基因差异表达分析基础
DESeq2 · edgeR · limma-voom的基本输出
基因差异表达分析…DESeq2
08
从差异基因到特征候选
log2FC与p-value双筛选 · 火山图理解
从差异基因到特征…log2FC
09
功能注释与基因集合
GO · KEGG注释 · MSigDB基因集获取
功能注释基因集合
10
单变量特征选择
t检验 · Wilcoxon秩和检验 · 方差分析（ANOVA）
单变量特征选择t检验
11
多变量特征选择
Lasso回归（glmnet） · Ridge回归 · 弹性网
多变量特征选择Lasso
12
基于模型的特征选择
随机森林特征重要性 · XGBoost特征重要性
基于模型的特征选…随机森林特征重要…
13
递归特征消除（RFE）
SVM-RFE · RandomForest-RFE实现
RFE递归特征消除
14
特征相关性分析
皮尔逊 · 斯皮尔曼 · 互信息
特征相关性分析皮尔逊
15
主成分分析（PCA）
降维原理 · 解释方差 · 载荷矩阵提取特征
PCA主成分分析
16
t-SNE与UMAP
非线性降维 · 可视化与特征提取区别
t-SNEUMAP
17
非负矩阵分解（NMF）
基因表达模式发现 · 基向量作为特征
NMF非负矩阵分解
18
自动编码器特征提取
简单自编码器结构 · 潜在空间表征
自动编码器特征提…简单自编码器结构
19
特征聚合
基因集评分方法（ssGSEA · GSVA · PLAGE）
特征聚合ssGSEA
20
基因共表达网络
WGCNA模块识别 · 模块特征基因（ME）作为特征
基因共表达网络WGCNA
21
通路活性特征
单样本GSEA · 秩和检验通路得分
通路活性特征GSEA
22
特征融合策略
串联 · 基于PCA的融合 · 注意力加权融合
特征融合策略串联
23
特征缩放与归一化
模型前标准化（StandardSca… · RobustScaler）
特征缩放归一化
24
数据划分
分层抽样 · 时间/批次划分 · 避免数据泄漏
数据划分分层抽样
25
机器学习模型选择
逻辑回归 · 随机森林 · XGBoost
机器学习模型选择逻辑回归
26
模型评估指标
准确率 · F1 · AUC-ROC
模型评估指标准确率
27
交叉验证与超参数调优
GridSearchCV · RandomizedSearchCV · 贝叶斯优化
交叉验证超参数调优
28
特征重要性再验证
Permutation Import… · SHAP值解释
特征重要性再验证Permutation
29
模型部署与特征可解释性
使用SHAP/LIME分析单个样本特…
模型部署特征可解释性
30
完整pipeline示例
从counts矩阵到最终分类模型的一…
pipeline完整