Differential single-cell RNA-seq analysis
Differential single-cell RNA-seq (scRNA-seq) analysis is a computational pipeline that compares transcriptomic profiles across biological conditions — such as treated versus untreated, disease versus healthy, or time points — at single-cell resolution. It identifies which genes, cell types, and cell states change between conditions, providing mechanistic insight that bulk RNA-seq comparisons cannot offer. The approach combines clustering, cell-type annotation, and statistical testing, typically using pseudobulk aggregation to account for within-sample correlation.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Hafemeister, C., & Satija, R. (2019). Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression. Genome Biology, 20, 296. · URL
- Squair, J. W., Gautier, M., Kathe, C., Anderson, M. A., James, N. D., Hutson, T. H., Lefoulon, E., Tani, N., Bhatt, D. L., Rossetti, A., & Courtine, G. (2021). Confronting false discoveries in single-cell differential expression. Nature Communications, 12, 5692. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.