Single-cell RNA-seq differential expression
Single-cell RNA-seq differential expression (scRNA-seq DE) analysis identifies genes whose expression levels differ significantly between defined groups of individual cells — such as cell types, disease states, or treatment conditions. Unlike bulk RNA-seq, which averages signals across millions of cells, scRNA-seq DE operates on the transcriptome of each individual cell, enabling fine-grained characterization of cell-population-specific gene regulation and heterogeneity within seemingly homogeneous tissue.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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
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.