RNA-seq Differential Expression
RNA-seq differential expression (DE) analysis identifies genes whose transcript abundance differs significantly between two or more biological conditions — for example, treated versus control, or diseased versus healthy tissue. Starting from raw sequencing reads, the pipeline moves through alignment, count-based normalization, statistical modeling of count dispersion, hypothesis testing, and multiple-testing correction to produce a ranked list of differentially expressed genes accompanied by fold-change estimates and adjusted p-values.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.