Single-Cell RNA Sequencing Differential Expression Analysis
벌크 RNA 시퀀싱을 경기장의 평균 소음 수준을 측정하는 것에 비유할 수 있습니다. 유용하지만 누가 소리치는지 알 수는 없습니다. 단일 세포 RNA 시퀀싱은 각 사람에게 마이크 판독값을 제공합니다. 그런 다음 단일 세포 수준에서의 차등 발현은 특정 유전자가 그룹 A에 속한 개인(세포) 대 그룹 B에 속한 개인(세포)에서 얼마나 증가하거나 감소하는지를 묻습니다. scRNA-seq 데이터는 극도로 희소하다는 문제가 있습니다. 대부분의 유전자는 대부분의 세포에서 감지되지 않으며(드롭아웃), 카운트가 낮고, 세포 간 기술적 변동성이 높기 때문에 통계 모델은 벌크 데이터용으로 설계된 테스트를 단순히 차용하는 대신 이러한 속성을 고려해야 합니다.
방법 전문 읽기
무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Butler, A., Hoffman, P., Smibert, P., Papalexi, E., & Satija, R. (2018). Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nature Biotechnology, 36(5), 411–420. DOI: 10.1038/nbt.4096 ↗
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Single-Cell RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/ko/bioinformatics/single-cell-rna-seq-differential-expression
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.
- 군집 분석통계학↔ compare
- 유전자 집합 농축 분석 (GSEA)생물정보학↔ compare
- 경로 농축 분석생물정보학↔ compare
- RNA-seq 차등 발현생물정보학↔ compare
- 단일 세포 RNA-seq 분석생물정보학↔ compare