Process / pipelineBioinformatics / omics

Bayesiläinen yksittäissolu-RNA-seq-analyysi — Probabilistinen transkriptomiikka

Bayesiläinen yksittäissolu-RNA-seq-analyysi soveltaa probabilistisia generatiivisia malleja yksittäissolu-RNA-sekvensoinnin tuottamiin harvoihin, ylihajontaisiin lukumatriiseihin. Asettamalla priorijakaumat piileville biologisille muuttujille — solutila, erätehosteet, dropout — kehys propagoi epävarmuutta jokaisen jatkoanalyysin vaiheen läpi. Työkalut kuten scVI, SCVI-tools ja BayesPrism toteuttavat tämän paradigman, mahdollistaen periaatteellisen solujen klusteroinnin, differentiaalisen ilmentymisen testauksen ja eräintegraation, jotka mallintavat eksplisiittisesti teknistä kohinaa sen sijaan, että jättäisivät sen huomiotta.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/fi/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.

Compare side by side

Tähän viittaavat

ScholarGateBayesian single-cell RNA-seq analysis (Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/bioinformatics/bayesian-single-cell-rna-seq-analysis · Aineisto: https://doi.org/10.5281/zenodo.20539026