首页
›
生物信息学与 AI 制药工程
›
047-空间转录组特征学习任务
›
《空间转录组特征学习核心算法总结》
VIP20
本课程属于:047-空间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
空间转录组特征学习核心算法总结
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
空间转录组学概述
ST技术发展史 · 主流平台(10X Visium · Slide-seq
空间转录组学概述
ST
02
数据预处理流程
原始数据解析 · Barcode与UMI校正 · 质量控制(QC)指标
数据预处理流程
原始数据解析
03
空间基因表达矩阵构建
Count矩阵标准化 · log1p变换 · Scran与SCTransform等…
空间基因表达矩阵…
Count
04
空间聚类基础
KMeans · Louvain · Leiden聚类在空间spots上的…
空间聚类基础
KMeans
05
空间可变基因(SVG)检测
Moran's I · Geary's C · SpatialDE
SVG
空间可变基因
06
空间域识别(Spatial Domain)核心算法
STAGATE(图注意力自编码器) · SpaGCN(图卷积+空间坐标) · BayesSpace(贝叶斯空间聚类…
Spatial
Domain
07
多尺度空间特征提取
利用邻域信息构建图结构 · 节点特征聚合方法(平均 · GCN
多尺度空间特征提…
利用邻域信息构建…
08
图神经网络(GNN)在空间转录组中的应用
GCN · GAT · GraphSAGE的基本原理及其在s…
GNN
图神经网络
09
图注意力机制深入
STAGATE中的自注意力 · 注意力权重可视化与生物学解释
图注意力机制深入
STAGATE
10
空间自编码器(Spatial Autoencoder)
隐空间表示学习 · 重建损失与空间正则化
Spatial
Autoencoder
11
空间转录组与单细胞数据整合
Seurat CCA/MNN · scVI · Scanorama在空间上的映射与标…
空间转录组
单细胞数据整合
12
空间转录组降维算法
PCA · t-SNE · UMAP的空间约束变体
空间转录组降维算…
PCA
13
空间共表达网络(Spatial Co-expression Network)
WGCNA的空间化改造 · 基于邻域的相关性分析
Spatial
Co-expressio…
14
空间转录组与组织学图像融合
H&E染色特征提取(CNN/ResN… · 图像特征与基因表达的对齐(如ST-N… · DeepST)
空间转录组
组织学图像融合
15
基于Transformer的空间特征学习
SpatialTransformer… · 位置编码与空间token desig…
Transformer
基于
16
对比学习在空间转录组中的应用
SimCLR · MoCo框架 · 空间正负样本对构造策略
对比学习
空间转录组
17
自监督预训练方法
空间masked autoencod… · 空间预测任务预训练特征
自监督预训练方法
masked
18
空间转录组数据增强
图数据增强(节点drop · 边扰动) · 空间坐标旋转变换
空间转录组数据增…
drop
19
特征选择与可解释性
SHAP · GNNExplainer在空间图模型…
特征选择
可解释性
20
空间转录组与基因调控网络(GRN)推断
通过空间约束提升GRN准确性(如Sp… · scenic+)
GRN
空间转录组
21
细胞通讯分析中的空间特征
利用空间邻近性推断配体-受体互作(C… · NicheNet的空间版)
细胞通讯分析
空间特征
22
轨迹推断与空间梯度分析
Monocle3 · Palantir在空间数据上的伪时间…
轨迹推断
空间梯度分析
23
空间转录组的基准测试方法
常用数据集(DLPFC · Human Breast Cance… · NMI
空间转录组的基准…
DLPFC
24
贝叶斯方法在空间建模中的优势
Gaussian Process · 隐马尔可夫随机场(HMRF)捕捉空间…
贝叶斯方法
空间建模
25
多模态空间转录组整合
蛋白组(CITE-seq) · 代谢组与空间转录组的联合特征学习
多模态空间转录组…
CITE-seq
26
大规模空间数据处理策略
mini-batch图采样(Grap… · ClusterGCN) · 分布式训练与内存优化
大规模空间数据处…
mini-batch
27
空间转录组特征的可视化
空间热图 · 域分布图 · 特征重要性图谱的生成与交互展示
空间转录组特征的…
空间热图
28
迁移学习与领域适应
在源数据集上训练的模型如何迁移到新平…
迁移学习
领域适应
29
现有工具的局限性与改进
对比STAGATE · SpaGCN · BayesSpace
现有工具的局限性
改进
30
未来方向
基于基础模型(Foundation… · 实时空间分析 · 与3D空间转录组的结合挑战
未来方向
Foundation
所属VIP或分类
同VIP:AnnData对象在特征学习中的应用
同VIP:ARI与NMI评估指标应用案例
同VIP:Python空间转录组工具链实战