ScholarGate
ผู้ช่วย

ชีวสารสนเทศศาสตร์

112 วิธีในตระกูลนี้

แนะนำ

การวิเคราะห์การผสมผสานAdmixture analysis is a population genetics method that infers population structure and individual ancestry from multilocus genotype data. Originally developed by Pritchard, Stepheการสร้างลักษณะบรรพบุรุษขึ้นใหม่Ancestral state reconstruction (ASR) is a phylogenetic method that infers the character states (trait values or evolutionary features) of extinct ancestors by analyzing patterns ofการวิเคราะห์ ATAC-seqATAC-seq (Assay for Transposase-Accessible Chromatin using sequencing) is a method for profiling the landscape of chromatin accessibility genome-wide. Developed by Buenrostro and cการเรียกหาตำแหน่งสูงสุดของ ChIP-seqChIP-seq peak calling is a computational pipeline that identifies genomic regions where a protein of interest — a transcription factor or histone modification — is enriched, based ทฤษฎีการรวมตัว (Coalescent Theory)Coalescent theory is a probabilistic framework that traces the genealogical history of DNA sequences backward in time to their most recent common ancestor. Developed by John Kingmaการวิเคราะห์ความแปรผันของจำนวนสำเนาCopy number variation (CNV) analysis is a genomic pipeline for detecting regions where individuals carry fewer or more copies of a DNA segment than the reference genome. CNVs span

เส้นทางการอ่าน

ระเบียบวิธีเชิงรากฐานที่ถูกอ้างอิงมากที่สุดของหัวข้อนี้ เรียงตามลำดับการพัฒนา — จุดเริ่มต้นที่ดีหากท่านเพิ่งเริ่มศึกษา

  1. การวิเคราะห์ความแปรผันของจำนวนสำเนา1998–2006โดย Pinkel et al. (array CGH); Redon et al. (genome-wide CNV map)
  2. การวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพ2003–2005โดย Mootha et al. (2003); systematised by Subramanian et al. (2005)
  3. Gene Set Enrichment Analysis (GSEA)2005 (seminal PNAS paper; predecessor concept in Mootha et al. 2003)โดย Aravind Subramanian, Pablo Tamayo, Vamsi K. Mootha, Jill P. Mesirov, Todd R. Golub, Eric S. Lander et al. (Broad Institute)
  4. การศึกษาความสัมพันธ์ทั่วทั้งจีโนม (GWAS)2005–2007โดย Klein et al. (age-related macular degeneration GWAS, 2005); landmark scale: Wellcome Trust Case Control Consortium (2007)
  5. Epigenome-Wide Association Study (EWAS)2008–2011 (term and framework established c. 2011)โดย Rakyan, Down, Balding & Beck (conceptual framework); Illumina arrays enabled large-scale application
  6. การแสดงออกแตกต่างกันของ RNA-seq2008–2010 (RNA-seq DE methodology established)โดย Multiple groups; foundational methods from Anders & Huber (DESeq, 2010), Robinson, McCarthy & Smyth (edgeR, 2010)
  7. การวิเคราะห์ Single-cell RNA-seq2009 (first scRNA-seq by Tang et al.); widely adopted 2015–2016โดย Azim Surani, Barbara Treutlein, and the Regev/McCarroll groups (foundational droplet-based methods ~2015)
  8. การระบุความแปรผัน2009–2010 (modern high-throughput era)โดย Li et al. (SAMtools/bcftools, 2009); McKenna et al. (GATK, 2010)
ระเบียบวิธีทั้งหมดบนชั้นนี้ ↓

วิธีทั้งหมด 112

การวิเคราะห์การผสมผสานการสร้างลักษณะบรรพบุรุษขึ้นใหม่การวิเคราะห์ ATAC-seqการเรียกหาตำแหน่งสูงสุดของ ChIP-seqทฤษฎีการรวมตัว (Coalescent Theory)การวิเคราะห์ความแปรผันของจำนวนสำเนาการวิเคราะห์การคัดกรอง CRISPRการสร้างภาพสามมิติด้วยกล้องจุลทรรศน์อิเล็กตรอนแบบเย็นจัดการประกอบทรานสคริปโตมแบบเดโนโวการหาตำแหน่ง ChIP-seq Peak แบบจำเพาะการวิเคราะห์ความแปรผันของจำนวนสำเนาที่แตกต่างกันการศึกษาความสัมพันธ์ทั่วทั้งอีพีจีโนมเชิงอนุพันธ์การวิเคราะห์ eQTL แบบจำแนกความแตกต่างDifferential Metabolomics Analysisการวิเคราะห์การเสริมเส้นทางที่แตกต่างกันDifferential Proteomics Analysisการวิเคราะห์ความแตกต่างของข้อมูล RNA-seq ระดับเซลล์เดี่ยวการเรียกแปรผันที่แตกต่างกันEpigenome-Wide Association Study (EWAS)Epigenome-wide association study in educational researchการวิเคราะห์ eQTLF-statistics (FST)GCTAGene Set Enrichment Analysis (GSEA)การศึกษาความสัมพันธ์ทั่วทั้งจีโนม (GWAS)การศึกษาความสัมพันธ์ทั่วทั้งจีโนมในการวิจัยทางการศึกษาการวิเคราะห์ Hi-Cการทดสอบ HKAการค้นหาโปรไฟล์ HMMERการสร้างแบบจำลองโฮโมโลยีIBD Mappingการวิเคราะห์กลุ่มดีเอ็นเอ (LD Block Analysis)การหาพีค ChIP-seq ด้วยแมชชีนเลิร์นนิงการวิเคราะห์ความแปรผันของจำนวนสำเนาโดยใช้การเรียนรู้ของเครื่องMachine learning-assisted epigenome-wide association studyการวิเคราะห์ปริมาณลักษณะยีนที่แสดงออกโดยอาศัยการเรียนรู้ของเครื่องการวิเคราะห์การเสริมสร้างกลุ่มยีนโดยใช้การเรียนรู้ของเครื่องการศึกษาความสัมพันธ์ทั่วทั้งจีโนมโดยใช้การเรียนรู้ของเครื่องการวิเคราะห์เมแทบอโลมิกส์ด้วยการเรียนรู้ของเครื่องการวิเคราะห์ความหลากหลายของจุลินทรีย์ด้วยการเรียนรู้ของเครื่องการวิเคราะห์การเสริมเส้นทางชีวภาพโดยใช้การเรียนรู้ของเครื่องการวิเคราะห์วิวัฒนาการชาติพันธุ์ด้วยการเรียนรู้ของเครื่องMachine learning-assisted RNA-seq differential expressionการจัดเรียงลำดับด้วยการเรียนรู้ของเครื่องการวิเคราะห์ข้อมูล RNA ลำดับเซลล์เดี่ยวด้วยการเรียนรู้ของเครื่องการระบุความแปรผันทางพันธุกรรมด้วยแมชชีนเลิร์นนิงการทดสอบแมคโดนัลด์-เครตแมนการวิเคราะห์เมแทบอโลมิกส์Metagenomic BinningMolecular Dockingการศึกษาความสัมพันธ์ทั่วทั้งจีโนมของเอพิเจเนติกส์แบบหลายโอมิกส์การวิเคราะห์ Multi-omics eQTLการวิเคราะห์การเสริมเส้นทางยีนแบบหลายออมิกส์การวิเคราะห์เมแทบอโลมิกส์แบบหลายออมิกส์การวิเคราะห์ความหลากหลายของไมโครไบโอมแบบหลายโอไมกส์การวิเคราะห์การเสริมเส้นทางชีวภาพแบบหลายโอมิกส์การวิเคราะห์วิวัฒนาการชาติพันธุ์แบบหลายออมิกส์การวิเคราะห์โปรตีโอมิกส์แบบหลายออมิกส์การวิเคราะห์การแสดงออกแตกต่างกันของ RNA-seq แบบหลายโอห์มิกส์การวิเคราะห์ Single-Cell RNA-seq แบบ Multi-omicsการวิเคราะห์ความแปรผันของจำนวนสำเนาที่อิงเครือข่ายNetwork-based epigenome-wide association studyการวิเคราะห์ Network-based eQTLการศึกษาความสัมพันธ์ทั่วทั้งจีโนมแบบอิงเครือข่ายการวิเคราะห์เมแทบอโลมิกส์แบบเครือข่ายการวิเคราะห์ความหลากหลายของจุลินทรีย์บนฐานเครือข่ายการวิเคราะห์การเสริมสมรรถนะวิถีชีวเคมีแบบอาศัยเครือข่ายการวิเคราะห์วิวัฒนาการชาติพันธุ์บนฐานเครือข่ายการวิเคราะห์การแสดงออกที่แตกต่างกันของ RNA-seq โดยใช้เครือข่ายการวิเคราะห์ RNA-seq แบบเซลล์เดียวโดยอาศัยเครือข่ายการระบุความแปรผันบนเครือข่ายการวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพแบบจำลองฟาร์มาโคฟอร์การวิเคราะห์วิวัฒนาการชาติพันธุ์การเปรียบต่างอิสระเชิงวิวัฒนาการคะแนนความเสี่ยงจากยีนหลายตำแหน่ง (Polygenic Risk Score)โครงสร้างเครือข่ายปฏิสัมพันธ์ระหว่างโปรตีนการวิเคราะห์โปรตีโอมิกส์QSARQTL MappingRNA Velocityการแสดงออกแตกต่างกันของ RNA-seqการทดสอบการกวาดล้างโดยการคัดเลือก (Tajima's D)การจัดเรียงลำดับการเรียกหาตำแหน่งสูงสุดของ ChIP-seq ระดับเซลล์เดี่ยวการวิเคราะห์ความแปรผันของจำนวนสำเนาในเซลล์เดี่ยวการศึกษาความสัมพันธ์ทางพันธุกรรมระดับเซลล์เดี่ยว (scEWAS)Single-cell eQTL Analysisการวิเคราะห์การเสริมกลุ่มยีนระดับเซลล์เดี่ยวการศึกษาความสัมพันธ์ทางพันธุกรรมทั่วทั้งจีโนมในระดับเซลล์เดี่ยวการวิเคราะห์เมแทบอโลมิกส์ระดับเซลล์เดี่ยวการวิเคราะห์ความหลากหลายของจุลินทรีย์ในระดับเซลล์เดียวSingle-cell Phylogenetic Analysisการวิเคราะห์ Single-cell RNA-seqSingle-cell RNA-seq differential expressionการจัดลำดับข้อมูลลำดับพันธุกรรมเซลล์เดี่ยวการระบุความแปรผันระดับเซลล์เดี่ยวการเรียกหาตำแหน่งสูงสุด (peak calling) สำหรับข้อมูล ChIP-seq แบบอนุกรมเวลาการวิเคราะห์ความแปรผันของจำนวนสำเนาตามอนุกรมเวลาการศึกษาความสัมพันธ์ของลักษณะทางพันธุกรรมทั่วทั้งจีโนมแบบอนุกรมเวลาการวิเคราะห์ eQTL อนุกรมเวลาการวิเคราะห์การเสริมสร้างกลุ่มยีนอนุกรมเวลาการวิเคราะห์เมแทบอโลมิกส์อนุกรมเวลาการวิเคราะห์ความหลากหลายของจุลินทรีย์ในอนุกรมเวลาการวิเคราะห์การเสริมเส้นทางอนุกรมเวลาการวิเคราะห์ลำดับวิวัฒนาการอนุกรมเวลา (Time-Series Phylogenetic Analysis)การวิเคราะห์โปรตีโอมิกส์อนุกรมเวลาการแสดงออกที่แตกต่างกันของ RNA-seq แบบอนุกรมเวลาการวิเคราะห์ข้อมูล RNA-seq ระดับเซลล์เดี่ยวแบบอนุกรมเวลาการระบุความแปรผันแบบอนุกรมเวลาการทดสอบความไม่สมดุลของการถ่ายทอดทางพันธุกรรมการระบุความแปรผัน

เพิ่มเติมใน การประมวลผลสัญญาณและการคำนวณทางวิทยาศาสตร์

สัญญาณและการคำนวณเชิงตัวเลข 48