Time-series RNA-seq differential expression
Time-series RNA-seq differential expression analysis identifies genes whose expression levels change systematically across ordered time points — such as during development, disease progression, or response to a treatment. Unlike two-condition DE analysis, it explicitly models the temporal structure of the data, capturing dynamic gene expression trajectories rather than a single snapshot contrast. Tools such as maSigPro, ImpulseDE2, and splineTimeR have been developed specifically for this design.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Conesa, A., Nueda, M. J., Ferrer, A., & Talon, M. (2006). maSigPro: a method to identify significantly differential expression profiles in time-course microarray experiments. Bioinformatics, 22(9), 1096–1102. · URL
- Fischer, D. S., Theis, F. J., & Yosef, N. (2018). Impulse model-based differential expression analysis of time series single-cell RNA-seq data. Genome Biology, 19(1), 1–14. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.