Time-series RNA-seq differential expression
Time-series RNA-seq differential expression analysis identifies genes whose expression levels change systematically across ordered time points — such as during development, disease progression, or response to a treatment. Unlike two-condition DE analysis, it explicitly models the temporal structure of the data, capturing dynamic gene expression trajectories rather than a single snapshot contrast. Tools such as maSigPro, ImpulseDE2, and splineTimeR have been developed specifically for this design.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Conesa, A., Nueda, M. J., Ferrer, A., & Talon, M. (2006). maSigPro: a method to identify significantly differential expression profiles in time-course microarray experiments. Bioinformatics, 22(9), 1096–1102. · URL
- Fischer, D. S., Theis, F. J., & Yosef, N. (2018). Impulse model-based differential expression analysis of time series single-cell RNA-seq data. Genome Biology, 19(1), 1–14. · URL
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.