Differentiële expressieanalyse van single-cell RNA-seq
Differentiële expressieanalyse van single-cell RNA-seq (scRNA-seq DE) identificeert genen waarvan de expressieniveaus significant verschillen tussen gedefinieerde groepen van individuele cellen — zoals celtypen, ziektestadia of behandelingscondities. In tegenstelling tot bulk-RNA-seq, dat signalen middelt over miljoenen cellen, werkt scRNA-seq DE op het transcriptoom van elke individuele cel, wat een gedetailleerde karakterisering mogelijk maakt van celpopulatie-specifieke genregulatie en heterogeniteit binnen ogenschijnlijk homogeen weefsel.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Butler, A., Hoffman, P., Smibert, P., Papalexi, E., & Satija, R. (2018). Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nature Biotechnology, 36(5), 411–420. DOI: 10.1038/nbt.4096 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Single-Cell RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/nl/bioinformatics/single-cell-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.
- ClusteranalyseStatistiek↔ compare
- Gen-setverrijkingsanalyse (GSEA)Bio-informatica↔ compare
- Pathway-verrijkingsanalyseBio-informatica↔ compare
- RNA-seq Differentiele ExpressieBio-informatica↔ compare
- Single-cell RNA-seq AnalyseBio-informatica↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →