RNA-seq Differential Expression
RNA-seq differential expression (DE) analysis identifies genes whose transcript abundance differs significantly between two or more biological conditions — for example, treated versus control, or diseased versus healthy tissue. Starting from raw sequencing reads, the pipeline moves through alignment, count-based normalization, statistical modeling of count dispersion, hypothesis testing, and multiple-testing correction to produce a ranked list of differentially expressed genes accompanied by fold-change estimates and adjusted p-values.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550. · DOI 10.1186/s13059-014-0550-8
- Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139–140. · DOI 10.1093/bioinformatics/btp616
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.