Process / pipelineBioinformatics / omics

Anomenament de pics ChIP-seq bayesià — Detecció probabilística d'enriquiment en dades epigenòmiques

L'anomenament de pics ChIP-seq bayesià aplica models probabilístics — típicament models de Poisson, binomial negatiu o de Markov ocult amb inferència bayesiana — per detectar regions genòmiques enriquides per a una proteïna d'interès en experiments d'immunoprecipitació de cromatina seguida de seqüenciació. En modelar explícitament el soroll del recompte de lectures i incorporar distribucions prèvies, els anomenadors bayesians produeixen probabilitats posteriors d'enriquiment en lloc de simples valors p, proporcionant un marc fonamentat per a la quantificació de la incertesa a tot el genoma.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

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

Fonts

  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

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Bayesian Chromatin Immunoprecipitation Sequencing Peak Calling. ScholarGate. https://scholargate.app/ca/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). Recuperat el 2026-06-15 de https://scholargate.app/ca/bioinformatics/bayesian-chip-seq-peak-calling · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026