Analiza expresiei diferențiale a datelor RNA-seq asistată de învățarea automată
Analiza expresiei diferențiale a datelor RNA-seq asistată de învățarea automată (ML) completează testarea statistică clasică a DE (DESeq2, edgeR, limma-voom) cu modele ML — inclusiv rețele neuronale, păduri aleatorii și autoencodere variaționale — pentru a gestiona mai bine dimensionalitatea înaltă, inflația cu zerouri și efectele de lot inerente datelor de numărare RNA-seq. Abordarea îmbunătățește selecția caracteristicilor, reducerea zgomotului și puterea de detecție, în special în scheme experimentale mari sau complexe.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
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. link ↗
- 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. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Machine Learning-Assisted RNA-seq Differential Expression Analysis. ScholarGate. https://scholargate.app/ro/bioinformatics/machine-learning-assisted-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.
- Analiza de îmbogățire a seturilor de gene (GSEA)Bioinformatică↔ compare
- Analiza de îmbogățire a căilor metaboliceBioinformatică↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Expresia Diferențială RNA-seqBioinformatică↔ compare
- Analiza ARN-seq monocelularBioinformatică↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →