การวิเคราะห์ข้อมูล RNA-seq ระดับเซลล์เดียวแบบเบย์เซียน — การถอดรหัสพันธุกรรมเชิงความน่าจะเป็น
การวิเคราะห์ข้อมูล RNA-seq ระดับเซลล์เดียวแบบเบย์เซียนประยุกต์ใช้แบบจำลองการสร้างเชิงความน่าจะเป็นกับเมทริกซ์การนับที่เบาบางและมีการกระจายตัวเกิน (overdispersed) ซึ่งได้จากข้อมูลการจัดลำดับ RNA ระดับเซลล์เดียว โดยการกำหนดการแจกแจงก่อน (prior distributions) เหนือตัวแปรชีวภาพแฝง (latent biological variables) — เช่น สถานะของเซลล์, ผลกระทบจากชุดข้อมูล (batch effects), การหลุดรอดของข้อมูล (dropout) — กรอบการทำงานนี้จะส่งผ่านความไม่แน่นอนไปตลอดทุกขั้นตอนการอนุมาน (inference) ที่ตามมา เครื่องมือต่างๆ เช่น scVI, SCVI-tools, และ BayesPrism นำกระบวนทัศน์นี้มาใช้ ทำให้สามารถจัดกลุ่มเซลล์ (cell clustering), ทดสอบการแสดงออกที่แตกต่างกัน (differential expression testing), และการรวมชุดข้อมูล (batch integration) ได้อย่างมีหลักการ โดยแบบจำลองจะพิจารณาถึงสัญญาณรบกวนทางเทคนิค (technical noise) อย่างชัดเจน แทนที่จะละเลยไป
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/th/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.
- [NEEDS TRANSLATION]การเรียนรู้ของเครื่อง↔ compare
- การถดถอยแบบทวินามเชิงลบเศรษฐมิติ↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare