Process / pipelineBioinformatics / omics
Bayesian Single-Cell RNA-seq Analysis — Probabilistic Transcriptomics
ベイズ的単一細胞RNAシーケンス解析は、単一細胞RNAシーケンスによって生成されるスパースで過分散なカウント行列に確率的生成モデルを適用する。潜在生物学的変数（細胞状態、バッチ効果、ドロップアウト）上に事前分布を配置することにより、フレームワークは不確実性を全てのダウンストリーム推論ステップに伝播させる。scVI、SCVI-tools、BayesPrismなどのツールはこのパラダイムを実装し、技術的ノイズを無視するのではなく明示的にモデル化する、原理的な細胞クラスタリング、差次的発現検定、バッチ統合を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/ja/bioinformatics/bayesian-single-cell-rna-seq-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →