Bayesian Single-Cell RNA-seq Analysis — Probabilistic Transcriptomics
Bayesijanska analiza sekvenciranja jednotsanične RNK (scRNA-seq) primjenjuje probabilističke generativne modele na rijetke, prekomjerno raspršene matrica brojanja dobivene sekvenciranjem jednotsanične RNK. Postavljanjem apriornih distribucija na latentne biološke varijable — stanično stanje, utjecaji serije (batch effects), dropout — okvir propagira nesigurnost kroz svaki korak naknadnog zaključivanja. Alati poput scVI, SCVI-tools i BayesPrism implementiraju ovaj pristup, omogućujući principijelno grupiranje stanica, testiranje diferencijalne ekspresije i integraciju serija koje eksplicitno modeliraju tehničku buku umjesto da je zanemaruju.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/hr/bioinformatics/bayesian-single-cell-rna-seq-analysis
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Latent Dirichlet Allocation (LDA)Strojno učenje↔ usporedi
- Negativna binomna regresijaEkonometrija↔ usporedi
- Varijacijski autoenkoderDuboko učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →