Single-cell RNA-seq analysis
Single-cell RNA sequencing (scRNA-seq) analysis characterises gene expression at the resolution of individual cells, enabling discovery of cell types, states, and transitions that are invisible in bulk transcriptomics. Starting from raw sequencing reads, the workflow produces a cell-by-gene count matrix and proceeds through quality control, normalisation, dimensionality reduction, unsupervised clustering, cell-type annotation, and a range of downstream analyses such as trajectory inference and differential expression between cell populations.
Εγγραφή πηγής
Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.
- Satija, R., Farrell, J. A., Gennert, D., Schier, A. F., & Regev, A. (2015). Spatial reconstruction of single-cell gene expression data. Nature Biotechnology, 33(5), 495–502. · DOI 10.1038/nbt.3192
- Macosko, E. Z., Basu, A., Satija, R., Nemesh, J., Shekhar, K., Goldman, M., ... & McCarroll, S. A. (2015). Highly parallel genome-wide expression profiling of individual cells using nanoliter droplets. Cell, 161(5), 1202–1214. · DOI 10.1016/j.cell.2015.05.002
Επιμελημένοι ισχυρισμοί
Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.
Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.
Σχετικές μέθοδοι
Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.