Daudzomu RNS-seq diferenciālās ekspresijas analīze
Daudzomu RNS-seq diferenciālās ekspresijas analīze apvieno transkriptu līmeņa skaitīšanas datus no RNS sekvenēšanas ar vienu vai vairākiem papildu omiku slāņiem — piemēram, proteomikas, metabolomikas, epigenomikas vai genoma variantu datiem — lai identificētu gēnus, proteīnus vai metabolītus, kas sistemātiski atšķiras starp bioloģiskiem apstākļiem. Integrējot vairākus molekulāros līmeņus, šī metodika uztver regulācijas mehānismus, ko vienīgi transkriptomika nespēj atrisināt, nodrošinot pilnīgāku priekšstatu par bioloģiskajiem procesiem, kas izraisa novērotās fenotipus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Argelaguet, R., Velten, B., Arnol, D., Dietrich, S., Zenz, T., Marioni, J. C., Buettner, F., Huber, W., & Stegle, O. (2018). Multi-Omics Factor Analysis — a framework for unsupervised integration of multi-omics data sets. Molecular Systems Biology, 14(6), e8124. DOI: 10.15252/msb.20178124 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-omics RNA-seq Differential Expression Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/multi-omics-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.
- GSEA (Gēnu kopu bagātināšanas analīze)Bioinformātika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →