Bayesovská analýza sekvenovania RNA jednotlivých buniek — Pravdepodobnostná transkriptomika
Bayesovská analýza sekvenovania RNA jednotlivých buniek (scRNA-seq) aplikuje pravdepodobnostné generatívne modely na riedke, nadmerne rozptýlené matice počtov získané zo sekvenovania RNA jednotlivých buniek. Umiestnením predchádzajúcich distribúcií nad latentné biologické premenné — stav bunky, efekt dávky, výpadky — rámec propaguje neistotu cez každý následný inferenčný krok. Nástroje ako scVI, SCVI-tools a BayesPrism implementujú tento paradigmu, umožňujúc princípové zoskupovanie buniek, testovanie diferenciálnej expresie a integráciu dávok, ktoré explicitne modelujú technický šum namiesto jeho ignorovania.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/sk/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.
- Latent Dirichlet Allocation (LDA)Strojové učenie↔ compare
- Negatívna binomická regresiaEkonometria↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →