Time-series single-cell RNA-seq analysis
Time-series single-cell RNA-seq analysis captures gene expression across multiple time points at single-cell resolution to reveal how cell populations emerge, transition, and diverge during dynamic biological processes such as development, differentiation, or disease progression. By combining pseudotime ordering, RNA velocity, and differential dynamics testing, researchers reconstruct the temporal trajectory of individual cells and identify the gene regulatory changes that drive biological transitions.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Trapnell, C., Cacchiarelli, D., Grimsby, J., Pokharel, P., Li, S., Morse, M., Lennon, N. J., Livak, K. J., Mikkelsen, T. S., & Rinn, J. L. (2014). The dynamics and regulators of cell fate decisions are revealed by pseudotemporal ordering of single cells. Nature Biotechnology, 32(4), 381-386. · DOI 10.1038/nbt.2859
- La Manno, G., Soldatov, R., Zeisel, A., Braun, E., Hochgerner, H., Petukhov, V., Lidschreiber, K., Kastriti, M. E., Lonnerberg, P., Furlan, A., Fan, J., Borm, L. E., Liu, Z., van Bruggen, D., Guo, J., He, X., Linnarsson, S., & Kharchenko, P. V. (2018). RNA velocity of single cells. Nature, 560(7719), 494-498. · DOI 10.1038/s41586-018-0414-6
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.