Análisis bayesiano de ARN mensajero de célula única (scRNA-seq) — Transcriptómica Probabilística
El análisis bayesiano de ARN mensajero de célula única (scRNA-seq) aplica modelos generativos probabilísticos a las matrices de recuentos dispersas y sobredispersas producidas por la secuenciación de ARN de célula única. Al colocar distribuciones previas sobre variables biológicas latentes —estado celular, efectos de lote, dropout— el marco propaga la incertidumbre a través de cada paso de inferencia posterior. Herramientas como scVI, SCVI-tools y BayesPrism implementan este paradigma, permitiendo el agrupamiento celular principista, la prueba de expresión diferencial y la integración de lotes que modelan explícitamente el ruido técnico en lugar de ignorarlo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/es/bioinformatics/bayesian-single-cell-rna-seq-analysis
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.
- Asignación Latente de Dirichlet (LDA)Aprendizaje automático↔ compare
- Regresión Binomial NegativaEconometría↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →