Process / pipelineBioinformatics / omics
機械学習支援シングルセルRNAシーケンス解析
機械学習支援シングルセルRNAシーケンス（scRNA-seq）解析は、標準的なscRNA-seqワークフローに教師あり学習、教師なし学習、および深層生成モデルを統合し、シングルセルデータの特有の課題、すなわち極端なスパース性、高次元性、技術的ノイズ、実験間のバッチ効果に対処します。変分オートエンコーダー（scVI）、グラフニューラルネットワーク、転移学習などの手法は、純粋な統計的手法と比較して、細胞タイプ同定、軌跡推定、および研究間データ統合を大幅に改善します。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
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. link ↗
- Luecken, M. D., & Theis, F. J. (2019). Current best practices in single-cell RNA-seq analysis: a tutorial. Molecular Systems Biology, 15(6), e8746. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Assisted Single-Cell RNA Sequencing Analysis. ScholarGate. https://scholargate.app/ja/bioinformatics/machine-learning-assisted-single-cell-rna-seq-analysis
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 遺伝子セット濃縮解析 (GSEA)バイオインフォマティクス↔ 比較
- 機械学習支援RNAシーケンス差次的発現解析バイオインフォマティクス↔ 比較
- 経路濃縮解析バイオインフォマティクス↔ 比較
- RNA-seq 差次的発現バイオインフォマティクス↔ 比較
- Single-cell RNA-seq Analysisバイオインフォマティクス↔ 比較
- 単一細胞RNAシーケンス（scRNA-seq）差次的発現解析バイオインフォマティクス↔ 比較