Time-series RNA-seq differential expression
Time-series RNA-seq differential expression analysis identifies genes whose expression levels change systematically across ordered time points — such as during development, disease progression, or response to a treatment. Unlike two-condition DE analysis, it explicitly models the temporal structure of the data, capturing dynamic gene expression trajectories rather than a single snapshot contrast. Tools such as maSigPro, ImpulseDE2, and splineTimeR have been developed specifically for this design.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- Conesa, A., Nueda, M. J., Ferrer, A., & Talon, M. (2006). maSigPro: a method to identify significantly differential expression profiles in time-course microarray experiments. Bioinformatics, 22(9), 1096–1102. · URL
- Fischer, D. S., Theis, F. J., & Yosef, N. (2018). Impulse model-based differential expression analysis of time series single-cell RNA-seq data. Genome Biology, 19(1), 1–14. · URL
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.