空间转录组数据多样本整合分析手册
在空间转录组（Spatial Transcriptomics, ST）研究中，批次效应（Batch Effect）是一个核心挑战。当多个样本（来自不同个体、实验室或处理批次）被独立测序时，由于实验条件、试剂差异或组织处理方式的不同，可能会引入非生物学性的表达水平变异。
正如所提到的，如果不同的实验室采用了不同的spot或RNA解离方案，数据中就可能出现明显的差异（例如，表达更多压力相关基因）。这些批次效应如果得不到有效校正，将会严重干扰后续的聚类、差异聚类识别和空间模式分析。所以我们修订了《空间转录组数据多样本整合分析手册》，本次学习手册将教会你使用harmony去批次、Scanorama、Combat矫正、BBKNN矫正、深度学习模型等方式处理空间转录组多样本整合方法。
本教程基于Python完成，没有基础的小伙伴可见生信Python速查手册，
自学有困难的小伙伴可见：Python实战-玩转空间转录组分析
本教程基于Linux中的Jupyter环境演示，计算资源不足的同学可参考：
足够支持你完成硕博生涯的生信环境
配置一个心仪的工作站(硬件+环境配置)
独享服务器，生信分析不求人
本教程复现集锦：
-Biomamba
所见即所得
学习手册以html文件格式提供，可在浏览器中打开并翻阅学习：
教程目录：
一、写在前面
二、空间多样本整合：应对批次效应的挑战
三、代码实操
3.1 导入数据
3.2 过滤初始数据 （参考基础分析部分）
3.3 基础处理，均一化(normalize)
3.4 聚类
3.5 不同的去批次方法
（1）harmony去批次
（2）Scanorama
（3）Combat矫正
（4）BBKNN矫正
（5）深度学习模型
（6）比较不同去批次方法
四、总结
4.1 空间转录组教程全收录
4.2 详细排名、特征、可用性和可扩展性
（1）性能排名 (Ranking)
（2）方法特性 (Features)
（3）可用性 (Usability) 与 可扩展性 (Scalability)
4.3 综合表现突出的方法
4.4 ATAC数据整合
（1）性能热图
（2）整体表现 (Overall Score)
（3）批次校正 (Batch correction)
（4）生物学信息保留 (Bio conservation)
（5）特征空间与输出排名
（6）性能散点图
环境信息
空间转录组教程全收录
欢迎致谢
文末下载链接中包含的内容：
测试文件约2.03GB，大家注意按需下载！
往期订阅
生信基地现已开放终身订阅，现已包含几十篇订阅资料，未来37年持续更新：那就开放一个终身订阅吧~
2025已更新订阅内容：
《Cell》复现|中性粒细胞scRNA-seq图谱阐明抗肿瘤抗原呈递效力
《Cancer Cell》|时空单细胞揭示CRC的PD-1治疗免疫细胞动态
代码复现|吞噬作用增强肿瘤中巨噬细胞的氧化代谢和免疫抑制特征一文学会scRNA Velocity剪切速率分析
代码复现| scRNA-seq揭示人纤维化皮肤病中的成纤维细胞异质性与增殖
单细胞免疫组库测序(scTCR+scBCR)学习手册一文掌握WGBS分析流程
《NC》代码复现|snATAC联合scRNA-seq揭示小鼠肾脏细胞分化程序与疾病靶点
解锁前需阅读：2025订阅须知
订阅后获取学习手册下载链接：
本推送教程二维码：
https://pan.baidu.com/s/1gF-vsjl_dyN-HXRMFbYQvA?
整个订阅合集的百度云下载地址可见:
https://pan.baidu.com/s/1yXzQi0zBqh4ZLR6Hznckiw?
-Biomamba