ScholarGate
Asszisztens
Process / pipelineBioinformatics / omics

Egysejtes GWAS — Sejttípus-specifikus genetikai asszociációs analízis

Az egysejtes GWAS egy integratív bioinformatikai pipeline, amely a genomszintű asszociációs vizsgálatok (GWAS) jeleit egysejtes transzkriptomikai tájképekre vetíti, hogy azonosítsa, mely sejttípusok és egyedi sejtek hordoznak aránytalan genetikai kockázatot egy betegségre vagy tulajdonságra nézve. Az egysejtes RNS-szekvenálási atlaszok és a GWAS összefoglaló statisztikák együttes felhasználásával túllép a szöveti szintű asszociációkon, és feltárja azokat a pontos celluláris kontextusokat, amelyekben a betegséggel összefüggő genetikai variánsok kifejtik hatásukat.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDiák letöltése

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  1. Zhang, M. J., Hou, K., Dey, K. K., Sakaue, S., Jagadeesh, K. A., Weinand, K., ... & Price, A. L. (2022). Polygenic enrichment distinguishes disease associations of individual cells in single-cell RNA-seq data. Nature Genetics, 54(8), 1224-1234. link
  2. Bryois, J., Calini, D., Macnair, W., Foo, L., Urich, E., Ortmann, W., ... & De Jager, P. L. (2022). Cell-type-specific cis-eQTLs in eight human brain cell types identify novel risk genes for psychiatric and neurological disorders. Nature Neuroscience, 25(8), 1104-1112. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Single-Cell Genome-Wide Association Study. ScholarGate. https://scholargate.app/hu/bioinformatics/single-cell-gwas

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateSingle-cell GWAS (Single-Cell Genome-Wide Association Study). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/bioinformatics/single-cell-gwas · Adatkészlet: https://doi.org/10.5281/zenodo.20539026