Bajezijanska analiza RNK sekvenciranja pojedinačnih ćelija — verovatnoćna transkriptomika
Bajezijanska analiza RNK sekvenciranja pojedinačnih ćelija primenjuje verovatnoćne generativne modele na retke, prekomerno dispergovane matrice brojanja proizvedene RNK sekvenciranjem pojedinačnih ćelija. Postavljanjem prethodnih distribucija nad latentnim biološkim varijablama — stanjem ćelije, efektima serije, ispadanjem — okvir širi nesigurnost kroz svaki korak naknadnog zaključivanja. Alati kao što su scVI, SCVI-tools i BayesPrism implementiraju ovu paradigmu, omogućavajući principijelno grupisanje ćelija, testiranje diferencijalne ekspresije i integraciju serija koja eksplicitno modeluje tehnički šum umesto da ga ignoriše.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/sr/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)Mašinsko učenje↔ compare
- Negativna binomna regresijaEkonometrija↔ compare
- Varijacioni autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →