ScholarGate
Pembantu
Process / pipelineBioinformatics / omics

Analisis RNA-seq Sel Tunggal Bayesian — Transkriptomik Kebarangkalian

Analisis RNA-seq sel tunggal Bayesian mengaplikasikan model generatif kebarangkalian kepada matriks kiraan jarang dan terlebih serakan yang dihasilkan oleh penjujukan RNA sel tunggal. Dengan meletakkan taburan prior ke atas pemboleh ubah biologi laten — keadaan sel, kesan kelompok, "dropout" — kerangka ini menyebarkan ketidakpastian melalui setiap langkah inferens hiliran. Alat seperti scVI, SCVI-tools, dan BayesPrism melaksanakan paradigma ini, membolehkan pengelompokan sel berprinsip, pengujian ekspresi pembezaan, dan integrasi kelompok yang secara eksplisit memodelkan hingar teknikal dan bukannya mengabaikannya.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Lopez, R., Regier, J., Cole, M. B., Jordan, M. I., & Yosef, N. (2018). Deep generative modeling for single-cell transcriptomics. Nature Methods, 15(12), 1053-1058. DOI: 10.1038/s41592-018-0229-2
  2. Eraslan, G., Simon, L. M., Mircea, M., Mueller, N. S., & Theis, F. J. (2019). Single-cell RNA-seq denoising using a deep count autoencoder. Nature Communications, 10(1), 390. DOI: 10.1038/s41467-018-07931-2

Cara memetik halaman ini

ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/ms/bioinformatics/bayesian-single-cell-rna-seq-analysis

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.

Compare side by side

Dirujuk oleh

ScholarGateBayesian single-cell RNA-seq analysis (Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data). Dicapai 2026-06-15 daripada https://scholargate.app/ms/bioinformatics/bayesian-single-cell-rna-seq-analysis · Set data: https://doi.org/10.5281/zenodo.20539026