ScholarGate
Assistent
Process / pipelineBioinformatics / omics

RNA-seq Differential Expression — Transkriptomisk DE-analyse

RNA-seq differential expression (DE) analyse identificerer gener, hvis transkriptabundans afviger signifikant mellem to eller flere biologiske tilstande — for eksempel, behandlet versus kontrol, eller syg versus raskt væv. Startende fra rå sekvenseringsreads, bevæger pipelinen sig gennem alignment, tællingsbaseret normalisering, statistisk modellering af tællingsdispersion, hypotesetestning og multiple-testing korrektion for at producere en rangeret liste af differentielt eksporterede gener ledsaget af fold-change estimater og justerede p-værdier.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

+50 more

Kilder

  1. Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550. DOI: 10.1186/s13059-014-0550-8
  2. Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139–140. DOI: 10.1093/bioinformatics/btp616

Sådan citerer du denne side

ScholarGate. (2026, June 3). RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/da/bioinformatics/rna-seq-differential-expression

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

Refereret af

Bayesiansk eQTL-analyseBayesiansk gen-sæt-berigelsesanalyse (Bayesian GSEA)Bayesiansk metabolomanalyseBayesiansk proteomikanalyseBayesiansk RNA-seq Differential ExpressionBayesian Sequence AlignmentBayesiansk variantkaldChIP-seq Peak CallingAnalyse af kopitalvariansDifferential ChIP-seq Peak CallingDifferential Epigenome-Wide Association StudyDifferential eQTL AnalyseDifferential Metabolomics AnalyseDifferential Pathway Enrichment AnalysisDifferential analyse af enkeltcelle-RNA-sekventeringDifferential variant callingeQTL-analyseGen-sætsanrigelsesanalyse (GSEA)Genomdækkende associationsstudie (GWAS)Maskinlæringsassisteret ChIP-seq peak callingMaskinlæringsassisteret eQTL-analyseMaskinlærings-assisteret gen-sæt-anrigelsesanalyseMaskinlæringsassisteret mikrobiomdiversitetsanalyseMaskinlæringsassisteret RNA-seq-analyse af differentiel ekspressionMaskinlæringsassisteret analyse af enkeltcelle-RNA-sekventeringMetabolomikanalyseMulti-omics eQTL AnalyseMulti-omics gen-sætsanrigelsesanalyseMulti-omics metabolomics analysisMulti-omisk proteomanalyseMulti-omics Single-Cell RNA-seq AnalyseNetværksbaseret Epigenom-Wide Association Study (Network EWAS)Netværksbaseret eQTL-analyseNetværksbaseret gen-sæt-berigelsesanalyseNetværksbaseret analyse af mikrobiel diversitetNetværksbaseret RNA-seq differential ekspressionsanalyseNetværksbaseret analyse af enkeltcelle RNA-seqNetværksbaseret variantkaldPathway Enrichment AnalysisFylogenetisk analyseProteomanalyseSekvensjusteringSingle-cell eQTL-analyseSingle-cell Gene Set Enrichment AnalysisEnkeltcelle GWASSingle-cell RNA-seq AnalyseAnalyse af differentiel ekspression i enkeltcelle-RNA-seqSingle-cell sekvensjusteringTidsrække ChIP-seq Peak CallingTidsrækkeanalyse af kopinummervariationTidsrække Epigenom-dækkende AssociationsstudieTidsrække-gen-sæts-anrigelsesanalyseTidsrækkeanalyse af mikrobiel diversitetTidsrække-baseret pathway-anringsanalyseTids-serie fylogenetisk analyseTidsrække-proteomanalyseTidsserie RNA-seq differentiel ekspressionTidsrækkeanalyse af enkeltcelle-RNA-sekventeringTidsrække-variantkaldVariant Calling
ScholarGateRNA-seq Differential Expression (RNA Sequencing Differential Expression Analysis). Hentet 2026-06-15 fra https://scholargate.app/da/bioinformatics/rna-seq-differential-expression · Datasæt: https://doi.org/10.5281/zenodo.20539026