ScholarGate
ผู้ช่วย
Process / pipelineBioinformatics / omics

การแสดงออกแตกต่างกันของ RNA-seq — การวิเคราะห์การแสดงออกแตกต่างกันทางทรานสคริปโตมิกส์

การวิเคราะห์การแสดงออกแตกต่างกัน (DE) ของ RNA-seq ระบุยีนที่มีปริมาณทรานสคริปต์แตกต่างกันอย่างมีนัยสำคัญระหว่างสภาวะทางชีวภาพสองสภาวะขึ้นไป เช่น กลุ่มที่ได้รับการบำบัดเทียบกับกลุ่มควบคุม หรือเนื้อเยื่อที่เป็นโรคเทียบกับเนื้อเยื่อปกติ โดยเริ่มจากข้อมูลลำดับเบสที่ได้จากการจัดลำดับ (raw sequencing reads) กระบวนการจะดำเนินไปสู่การจัดเรียง (alignment) การทำให้เป็นมาตรฐานโดยอิงตามจำนวน (count-based normalization) การสร้างแบบจำลองทางสถิติของการกระจายตัวของจำนวน (statistical modeling of count dispersion) การทดสอบสมมติฐาน (hypothesis testing) และการแก้ไขการทดสอบหลายครั้ง (multiple-testing correction) เพื่อสร้างรายการยีนที่มีการแสดงออกแตกต่างกันที่จัดอันดับ พร้อมด้วยค่าประมาณการเปลี่ยนแปลงเท่า (fold-change estimates) และค่า p-value ที่ปรับแก้แล้ว

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

การแสดงออกแตกต่างกันของ RNA-seq
การเรียกหาตำแหน่งสูงสุดข…Gene Set Enrichment Anal…การวิเคราะห์ความอุดมสมบู…การจัดเรียงลำดับการวิเคราะห์ Single-cell…การระบุความแปรผันการวิเคราะห์ Bayesian eQ…Bayesian Gene Set Enrich…การวิเคราะห์เมแทบอโลมิกส…การวิเคราะห์โปรตีโอมิกส์…

+50 more

แหล่งอ้างอิง

  1. Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550. DOI: 10.1186/s13059-014-0550-8 ↗
  2. Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139–140. DOI: 10.1093/bioinformatics/btp616 ↗

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/th/bioinformatics/rna-seq-differential-expression

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.

Compare side by side →

ถูกอ้างอิงโดย

การวิเคราะห์ Bayesian eQTLBayesian Gene Set Enrichment Analysisการวิเคราะห์เมแทบอโลมิกส์แบบเบย์การวิเคราะห์โปรตีโอมิกส์แบบเบย์Bayesian RNA-seq differential expressionBayesian Sequence AlignmentBayesian Variant Callingการเรียกหาตำแหน่งสูงสุดของ ChIP-seqการวิเคราะห์ความแปรผันของจำนวนสำเนาการหาตำแหน่ง ChIP-seq Peak แบบจำเพาะการศึกษาความสัมพันธ์ทั่วทั้งอีพีจีโนมเชิงอนุพันธ์การวิเคราะห์ eQTL แบบจำแนกความแตกต่างDifferential Metabolomics Analysisการวิเคราะห์การเสริมเส้นทางที่แตกต่างกันการวิเคราะห์ความแตกต่างของข้อมูล RNA-seq ระดับเซลล์เดี่ยวการเรียกแปรผันที่แตกต่างกันการวิเคราะห์ eQTLGene Set Enrichment Analysis (GSEA)การศึกษาความสัมพันธ์ทั่วทั้งจีโนม (GWAS)การหาพีค ChIP-seq ด้วยแมชชีนเลิร์นนิงการวิเคราะห์ปริมาณลักษณะยีนที่แสดงออกโดยอาศัยการเรียนรู้ของเครื่องการวิเคราะห์การเสริมสร้างกลุ่มยีนโดยใช้การเรียนรู้ของเครื่องการวิเคราะห์ความหลากหลายของจุลินทรีย์ด้วยการเรียนรู้ของเครื่องMachine learning-assisted RNA-seq differential expressionการวิเคราะห์ข้อมูล RNA ลำดับเซลล์เดี่ยวด้วยการเรียนรู้ของเครื่องการวิเคราะห์เมแทบอโลมิกส์การวิเคราะห์ Multi-omics eQTLการวิเคราะห์การเสริมเส้นทางยีนแบบหลายออมิกส์การวิเคราะห์เมแทบอโลมิกส์แบบหลายออมิกส์การวิเคราะห์โปรตีโอมิกส์แบบหลายออมิกส์การวิเคราะห์ Single-Cell RNA-seq แบบ Multi-omicsNetwork-based epigenome-wide association studyการวิเคราะห์ Network-based eQTLการวิเคราะห์การเสริมสร้างยีนเซตแบบอิงเครือข่ายการวิเคราะห์ความหลากหลายของจุลินทรีย์บนฐานเครือข่ายการวิเคราะห์การแสดงออกที่แตกต่างกันของ RNA-seq โดยใช้เครือข่ายการวิเคราะห์ RNA-seq แบบเซลล์เดียวโดยอาศัยเครือข่ายการระบุความแปรผันบนเครือข่ายการวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพการวิเคราะห์วิวัฒนาการชาติพันธุ์การวิเคราะห์โปรตีโอมิกส์การจัดเรียงลำดับSingle-cell eQTL Analysisการวิเคราะห์การเสริมกลุ่มยีนระดับเซลล์เดี่ยวการศึกษาความสัมพันธ์ทางพันธุกรรมทั่วทั้งจีโนมในระดับเซลล์เดี่ยวการวิเคราะห์ Single-cell RNA-seqSingle-cell RNA-seq differential expressionการจัดลำดับข้อมูลลำดับพันธุกรรมเซลล์เดี่ยวการเรียกหาตำแหน่งสูงสุด (peak calling) สำหรับข้อมูล ChIP-seq แบบอนุกรมเวลาการวิเคราะห์ความแปรผันของจำนวนสำเนาตามอนุกรมเวลาการศึกษาความสัมพันธ์ของลักษณะทางพันธุกรรมทั่วทั้งจีโนมแบบอนุกรมเวลาการวิเคราะห์การเสริมสร้างกลุ่มยีนอนุกรมเวลาการวิเคราะห์ความหลากหลายของจุลินทรีย์ในอนุกรมเวลาการวิเคราะห์การเสริมเส้นทางอนุกรมเวลาการวิเคราะห์ลำดับวิวัฒนาการอนุกรมเวลา (Time-Series Phylogenetic Analysis)การวิเคราะห์โปรตีโอมิกส์อนุกรมเวลาการแสดงออกที่แตกต่างกันของ RNA-seq แบบอนุกรมเวลาการวิเคราะห์ข้อมูล RNA-seq ระดับเซลล์เดี่ยวแบบอนุกรมเวลาการระบุความแปรผันแบบอนุกรมเวลาการระบุความแปรผัน

พบปัญหาในหน้านี้หรือไม่ แจ้งหรือเสนอการแก้ไข →

ScholarGate — RNA-seq Differential Expression (RNA Sequencing Differential Expression Analysis). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/bioinformatics/rna-seq-differential-expression · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026