ScholarGate
Asisten
Process / pipelineBioinformatics / omics

Analisis RNA-seq Sel Tunggal Bayesian — Transkriptomik Probabilistik

Analisis RNA-seq sel tunggal Bayesian menerapkan model generatif probabilistik pada matriks hitungan yang jarang dan terlalu tersebar yang dihasilkan oleh pengurutan RNA sel tunggal. Dengan menempatkan distribusi prior di atas variabel biologis laten — keadaan sel, efek batch, dropout — kerangka kerja ini menyebarkan ketidakpastian melalui setiap langkah inferensi hilir. Alat seperti scVI, SCVI-tools, dan BayesPrism mengimplementasikan paradigma ini, memungkinkan pengelompokan sel yang berprinsip, pengujian ekspresi diferensial, dan integrasi batch yang secara eksplisit memodelkan kebisingan teknis daripada mengabaikannya.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. 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
  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

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/id/bioinformatics/bayesian-single-cell-rna-seq-analysis

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateBayesian single-cell RNA-seq analysis (Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data). Diakses 2026-06-15 dari https://scholargate.app/id/bioinformatics/bayesian-single-cell-rna-seq-analysis · Set data: https://doi.org/10.5281/zenodo.20539026