Bayesiánus egysejt-RNS-szekvenálás elemzés – Probabilis transzkriptomika
A bayesiánus egysejt-RNS-szekvenálás elemzés probabilisztikus generatív modelleket alkalmaz az egysejt-RNS-szekvenálás által előállított ritka, túlszóródó számlálási mátrixokra. Azáltal, hogy a látens biológiai változókra – sejtek állapota, batch-hatások, lemorzsolódás – prior eloszlásokat helyez, a keretrendszer a bizonytalanságot minden további következtetési lépésen keresztül terjeszti. Az olyan eszközök, mint az scVI, SCVI-tools és BayesPrism, ezt a paradigmát valósítják meg, lehetővé téve az elvileg megalapozott sejtklaszterezést, a differenciális expresszió tesztelését és a batch-integrációt, amelyek explicit módon modellezik a technikai zajt, ahelyett, hogy figyelmen kívül hagynák azt.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/hu/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.
- Latens Dirichlet-eloszlás (LDA)Gépi tanulás↔ compare
- Negatív binomiális regresszióÖkonometria↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →