Process / pipelineBioinformatics / omics
시계열 RNA-seq 차등 발현 — 시간적 전사체학
시계열 RNA-seq 차등 발현 분석은 발달, 질병 진행 또는 치료 반응과 같이 정렬된 시점 전반에 걸쳐 발현 수준이 체계적으로 변하는 유전자를 식별합니다. 두 조건 간의 차등 발현(DE) 분석과 달리, 이 분석은 데이터의 시간적 구조를 명시적으로 모델링하여 단일 스냅샷 대비가 아닌 동적인 유전자 발현 궤적을 포착합니다. maSigPro, ImpulseDE2, splineTimeR과 같은 도구는 이러한 설계를 위해 특별히 개발되었습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
+2개 더
출처
- 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. link ↗
- 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. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Time-series RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/ko/bioinformatics/time-series-rna-seq-differential-expression
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 유전자 집합 농축 분석 (GSEA)생물정보학↔ 비교
- Multi-omics RNA-seq Differential Expression Analysis생물정보학↔ 비교
- 경로 농축 분석생물정보학↔ 비교
- RNA-seq 차등 발현생물정보학↔ 비교
- 단일 세포 RNA-seq 분석생물정보학↔ 비교
- 시간 계열 eQTL 분석생물정보학↔ 비교