ScholarGate
Assistent
Process / pipelineBioinformatics / omics

Bayesiansk RNA-sekvensering differensiell ekspresjon — Bayesiansk DE-analyse av RNA-sekvenseringsdata

Bayesiansk differensiell ekspresjonsanalyse av RNA-sekvenseringsdata anvender hierarkiske Bayesianske modeller på RNA-sekvenseringsdata (read-counts) for å identifisere gener hvis ekspresjonsnivåer avviker signifikant mellom biologiske forhold. I stedet for å utelukkende basere seg på p-verdier, kvantifiserer disse metodene den posteriore sannsynligheten for at et gen er differensielt uttrykt, ved å låne statistisk styrke på tvers av gener og naturlig imøtekomme lave utvalgsstørrelser som er vanlige i genomikkeksperimenter.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  1. Leng, N., Dawson, J. A., Thomson, J. A., Ruotti, V., Rissman, A. I., Smits, B. M., Haag, J. D., Gould, M. N., Stewart, R. M., & Kendziorski, C. (2013). EBSeq: An empirical Bayes hierarchical model for inference in RNA-seq experiments. Bioinformatics, 29(8), 1035–1043. link
  2. Hardcastle, T. J., & Kelly, K. A. (2010). baySeq: Empirical Bayesian methods for identifying differential expression in sequence count data. BMC Bioinformatics, 11, 422. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Bayesian Differential Expression Analysis of RNA Sequencing Data. ScholarGate. https://scholargate.app/no/bioinformatics/bayesian-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.

Compare side by side

Referert av

ScholarGateBayesian RNA-seq differential expression (Bayesian Differential Expression Analysis of RNA Sequencing Data). Hentet 2026-06-15 fra https://scholargate.app/no/bioinformatics/bayesian-rna-seq-differential-expression · Datasett: https://doi.org/10.5281/zenodo.20539026