ScholarGate
Асистент
Process / pipelineBioinformatics / omics

Байесовско определяне на пикове при ChIP-seq — Вероятностно откриване на обогатяване в епигеномни данни

Байесовското определяне на пикове при ChIP-seq прилага вероятностни модели — обикновено Поасонови, отрицателни биномни или скрити Маркови модели с байесовско извод — за откриване на геномни региони, обогатени за протеин от интерес при експерименти с имунопреципитация на хроматин, последвана от секвениране. Чрез експлицитно моделиране на шума в броя на прочетените последователности и включване на предварителни разпределения, байесовските определители дават апостериорни вероятности за обогатяване, вместо прости p-стойности, предоставяйки принципен подход за количествено определяне на несигурността в целия геном.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Zhang, Y., Liu, T., Meyer, C. A., Eeckhoute, J., Johnson, D. S., Bernstein, B. E., Nusbaum, C., Myers, R. M., Brown, M., Li, W., & Liu, X. S. (2008). Model-based analysis of ChIP-Seq (MACS). Genome Biology, 9(9), R137. DOI: 10.1186/gb-2008-9-9-r137
  2. Spyrou, C., Stark, R., Lynch, A. G., & Tavare, S. (2009). BayesPeak: Bayesian analysis of ChIP-seq data. BMC Bioinformatics, 10, 299. DOI: 10.1186/1471-2105-10-299

Как да цитирате тази страница

ScholarGate. (2026, June 3). Bayesian Chromatin Immunoprecipitation Sequencing Peak Calling. ScholarGate. https://scholargate.app/bg/bioinformatics/bayesian-chip-seq-peak-calling

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateBayesian ChIP-seq peak calling (Bayesian Chromatin Immunoprecipitation Sequencing Peak Calling). Извлечено на 2026-06-15 от https://scholargate.app/bg/bioinformatics/bayesian-chip-seq-peak-calling · Набор от данни: https://doi.org/10.5281/zenodo.20539026