การวิเคราะห์การแสดงออกส่วนเกินของยีนแบบเซลล์เดี่ยว (Single-Cell RNA-seq Differential Expression Analysis)
การวิเคราะห์การแสดงออกส่วนเกินของยีนแบบเซลล์เดี่ยว (scRNA-seq DE) ระบุยีนที่มีระดับการแสดงออกแตกต่างกันอย่างมีนัยสำคัญระหว่างกลุ่มเซลล์ที่กำหนดไว้ — เช่น ชนิดเซลล์ สภาวะโรค หรือสภาวะการรักษา แตกต่างจาก bulk RNA-seq ซึ่งหาค่าเฉลี่ยสัญญาณจากเซลล์นับล้าน การวิเคราะห์ scRNA-seq DE ทำงานกับทรานสคริปโตมของเซลล์แต่ละเซลล์ ทำให้สามารถจำแนกการควบคุมยีนที่จำเพาะต่อประชากรเซลล์และความหลากหลายภายในเนื้อเยื่อที่ดูเหมือนจะเหมือนกันได้อย่างละเอียด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Butler, A., Hoffman, P., Smibert, P., Papalexi, E., & Satija, R. (2018). Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nature Biotechnology, 36(5), 411–420. DOI: 10.1038/nbt.4096 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Single-Cell RNA Sequencing Differential Expression Analysis. ScholarGate. https://scholargate.app/th/bioinformatics/single-cell-rna-seq-differential-expression
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การวิเคราะห์กลุ่ม (Cluster Analysis)สถิติศาสตร์↔ เปรียบเทียบ
- Gene Set Enrichment Analysis (GSEA)ชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การแสดงออกแตกต่างกันของ RNA-seqชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การวิเคราะห์ Single-cell RNA-seqชีวสารสนเทศศาสตร์↔ เปรียบเทียบ