Bejeziāņu ceļu bagātināšanas analīze
Bejeziāņu ceļu bagātināšanas analīze testē, vai iepriekš noteikta gēnu kopa — bioloģiskais ceļš — ir sistemātiski pārstāvēta starp gēniem, kuri eksperimentā uzrāda atšķirīgas aktivitātes pazīmes. Atšķirībā no klasiskajiem pārstāvības testiem, tā kodē iepriekšējas bioloģiskās zināšanas kā prioritāro sadalījumu un atjaunina to ar novērotajiem ekspresijas datiem, iegūstot bagātināšanas aizmugurējās varbūtības, nevis p-vērtības. Šī probabilitātes ietvars dabiski apstrādā mazus paraugus, vairākus ceļus un nenoteiktības izplatīšanos saskaņotā statistikas ietvarā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Baldi, P., & Long, A. D. (2001). A Bayesian framework for the analysis of microarray expression data: regularized t-test and statistical inferences of gene changes. Bioinformatics, 17(6), 509–519. DOI: 10.1093/bioinformatics/17.6.509 ↗
- Newton, M. A., Quintana, F. A., Den Boon, J. A., Bhattacharya, S., & Ahlquist, P. (2004). Random-set methods identify distinct aspects of the enrichment signal in gene-set analysis. The Annals of Applied Statistics, 1(1), 85–106. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/bayesian-pathway-enrichment-analysis
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beiziešu RNS-sekvencēšanas diferenciālās ekspresijas analīzeBioinformātika↔ salīdzināt
- eQTL analīzeBioinformātika↔ salīdzināt
- GSEA (Gēnu kopu bagātināšanas analīze)Bioinformātika↔ salīdzināt
- Daudzomu šķērsviršķu bagātības analīzeBioinformātika↔ salīdzināt
- Tīkla analīze ceļu bagātināšanaiBioinformātika↔ salīdzināt
- Signālu ceļu bagātināšanas analīzeBioinformātika↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →