ScholarGate
সহকারী
Process / pipelineBioinformatics / omics

বেয়েশীয় একক-কোষ RNA-seq বিশ্লেষণ — সম্ভাব্যতাভিত্তিক ট্রান্সক্রিপ্টোমিক্স

বেয়েশীয় একক-কোষ RNA-seq বিশ্লেষণ একক-কোষ RNA সিকোয়েন্সিং দ্বারা উৎপাদিত স্পার্স, ওভারডিসপার্সড কাউন্ট ম্যাট্রিক্সগুলিতে সম্ভাব্যতাভিত্তিক জেনারেটিভ মডেল প্রয়োগ করে। ল্যাটেন্ট বায়োলজিক্যাল ভেরিয়েবল — সেল স্টেট, ব্যাচ এফেক্টস, ড্রপআউট — এর উপর প্রায়োর ডিস্ট্রিবিউশন স্থাপন করে, ফ্রেমওয়ার্কটি প্রতিটি ডাউনস্ট্রিম ইনফারেন্স ধাপে অনিশ্চয়তা প্রচার করে। scVI, SCVI-tools, এবং BayesPrism-এর মতো টুলস এই প্যারাডাইম প্রয়োগ করে, যা নীতিগত সেল ক্লাস্টারিং, ডিফারেনশিয়াল এক্সপ্রেশন টেস্টিং, এবং ব্যাচ ইন্টিগ্রেশন সক্ষম করে যা প্রযুক্তিগত নয়েজকে উপেক্ষা করার পরিবর্তে স্পষ্টভাবে মডেল করে।

MethodMind-এ খুলুনশীঘ্রইভিডিওশীঘ্রইস্লাইড ডাউনলোড করুন

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

পদ্ধতি-মানচিত্র

সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।

উৎস

  1. Lopez, R., Regier, J., Cole, M. B., Jordan, M. I., & Yosef, N. (2018). Deep generative modeling for single-cell transcriptomics. Nature Methods, 15(12), 1053-1058. DOI: 10.1038/s41592-018-0229-2
  2. Eraslan, G., Simon, L. M., Mircea, M., Mueller, N. S., & Theis, F. J. (2019). Single-cell RNA-seq denoising using a deep count autoencoder. Nature Communications, 10(1), 390. DOI: 10.1038/s41467-018-07931-2

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/bn/bioinformatics/bayesian-single-cell-rna-seq-analysis

কোন পদ্ধতি?

এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।

পাশাপাশি তুলনা করুন

যেখানে উদ্ধৃত

ScholarGateBayesian single-cell RNA-seq analysis (Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/bioinformatics/bayesian-single-cell-rna-seq-analysis · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026