Time-series single-cell RNA-seq analysis
Time-series single-cell RNA-seq analysis captures gene expression across multiple time points at single-cell resolution to reveal how cell populations emerge, transition, and diverge during dynamic biological processes such as development, differentiation, or disease progression. By combining pseudotime ordering, RNA velocity, and differential dynamics testing, researchers reconstruct the temporal trajectory of individual cells and identify the gene regulatory changes that drive biological transitions.
Forrásrekord
A hivatkozások szó szerint a módszer forrásrekordjából kerültek átvételre. Ezekből nem következtethető ki állítás-szintű ellenőrzés.
- Trapnell, C., Cacchiarelli, D., Grimsby, J., Pokharel, P., Li, S., Morse, M., Lennon, N. J., Livak, K. J., Mikkelsen, T. S., & Rinn, J. L. (2014). The dynamics and regulators of cell fate decisions are revealed by pseudotemporal ordering of single cells. Nature Biotechnology, 32(4), 381-386. · DOI 10.1038/nbt.2859
- La Manno, G., Soldatov, R., Zeisel, A., Braun, E., Hochgerner, H., Petukhov, V., Lidschreiber, K., Kastriti, M. E., Lonnerberg, P., Furlan, A., Fan, J., Borm, L. E., Liu, Z., van Bruggen, D., Guo, J., He, X., Linnarsson, S., & Kharchenko, P. V. (2018). RNA velocity of single cells. Nature, 560(7719), 494-498. · DOI 10.1038/s41586-018-0414-6
Kurált állítások
Az állítások a bizonyíték-jegyzőkönyvben tárolódtak, mindegyik saját értékeléssel.
Ez a nézet nem hoz létre állítás-értékelést, ha a jegyzőkönyvben nincs.
Kapcsolódó módszerek
A módszergráfból generálva és gépi javaslatú kapcsolatokként jelenítve meg – nem következtethető ki bizonyíték-állítás.