Analiza bayesowska sekwencjonowania RNA pojedynczych komórek — probabilistyczna transkryptomika
Bayesowska analiza sekwencjonowania RNA pojedynczych komórek stosuje probabilistyczne modele generatywne do rzadkich, nadmiernie rozproszonych macierzy liczby odczytów (count matrices) uzyskanych z sekwencjonowania RNA pojedynczych komórek. Poprzez umieszczenie rozkładów a priori na ukrytych zmiennych biologicznych — stan komórki, efekty wsadowe, dropout — ramy te propagują niepewność przez każdy kolejny krok wnioskowania. Narzędzia takie jak scVI, SCVI-tools i BayesPrism implementują ten paradygmat, umożliwiając zasadnicze grupowanie komórek, testowanie ekspresji różnicowej i integrację wsadową, które jawnie modelują szum techniczny zamiast go ignorować.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Lopez, R., Regier, J., Cole, M. B., Jordan, M. I., & Yosef, N. (2018). Deep generative modeling for single-cell transcriptomics. Nature Methods, 15(12), 1053-1058. DOI: 10.1038/s41592-018-0229-2 ↗
- Eraslan, G., Simon, L. M., Mircea, M., Mueller, N. S., & Theis, F. J. (2019). Single-cell RNA-seq denoising using a deep count autoencoder. Nature Communications, 10(1), 390. DOI: 10.1038/s41467-018-07931-2 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/pl/bioinformatics/bayesian-single-cell-rna-seq-analysis
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.
- Rozkład Dirichleta (LDA)Uczenie maszynowe↔ compare
- Regresja ujemna dwumianowaEkonometria↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →