RNA-seq diferenciālās ekspresijas — Transkriptomiskā DE analīze
RNA-seq diferenciālās ekspresijas (DE) analīze identificē gēnus, kuru transkriptu daudzums būtiski atšķiras starp diviem vai vairākiem bioloģiskiem stāvokļiem — piemēram, apstrādāts pret kontroli, vai slimības pret veseliem audiem. Sākot ar neapstrādātiem sekvenēšanas rādījumiem, darbplūsma virzās caur aligmentu, uz skaitu balstītu normalizāciju, statistisko modeļu veidošanu dispersijas aprēķināšanai, hipotēžu testēšanu un vairāku testu korekciju, lai iegūtu sakārtotu sarakstu ar atšķirīgi ekspresētiem gēniem, ko papildina mainības koeficientu (fold-change) novērtējumi un koriģētās p-vērtības.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
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 ↗
- Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139–140. DOI: 10.1093/bioinformatics/btp616 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/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.
- ChIP-seq Peak CallingBioinformātika↔ compare
- GSEA (Gēnu kopu bagātināšanas analīze)Bioinformātika↔ compare
- Signālu ceļu bagātināšanas analīzeBioinformātika↔ compare
- Secvenču salīdzināšanaBioinformātika↔ compare
- Vienšūnas RNS sekvencēšanas analīzeBioinformātika↔ compare
- Variantu identificēšanaBioinformātika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →