Analiza Bayesiană a secvențierii ARN monocelulare — Transcriptomică Probabilistică
Analiza Bayesiană a secvențierii ARN monocelulare (single-cell RNA-seq) aplică modele generative probabilistice matricilor de numărători rare și supra-dispersate produse prin secvențierea ARN monocelular. Prin plasarea unor distribuții a priori peste variabilele biologice latente — starea celulei, efectele de lot (batch effects), abandonul (dropout) — cadrul propagă incertitudinea prin fiecare pas ulterior de inferență. Instrumente precum scVI, SCVI-tools și BayesPrism implementează această paradigmă, permițând o grupare principială a celulelor, testarea expresiei diferențiale și integrarea loturilor care modelează explicit zgomotul tehnic, în loc să-l ignore.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/ro/bioinformatics/bayesian-single-cell-rna-seq-analysis
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Latent Dirichlet Allocation (LDA)Învățare automată↔ compară
- Regresie binomială negativăEconometrie↔ compară
- Autoencoder VariaționalÎnvățare profundă↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →