Phân tích RNA-seq đơn bào dựa trên Bayes — Transcriptomics xác suất
Phân tích RNA-seq đơn bào dựa trên Bayes áp dụng các mô hình sinh xác suất cho các ma trận đếm thưa, phân tán quá mức được tạo ra từ kỹ thuật giải trình tự RNA đơn bào. Bằng cách đặt các phân phối tiên nghiệm lên các biến sinh học tiềm ẩn — trạng thái tế bào, hiệu ứng lô, bỏ sót — khuôn khổ này lan truyền sự không chắc chắn qua mọi bước suy luận xuôi dòng. Các công cụ như scVI, SCVI-tools và BayesPrism triển khai mô hình này, cho phép phân cụm tế bào có nguyên tắc, kiểm định biểu hiện khác biệt và tích hợp lô một cách rõ ràng mô hình hóa nhiễu kỹ thuật thay vì bỏ qua nó.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/vi/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.
- Phân bổ Dirichlet ẩn (LDA)Học máy↔ compare
- Hồi quy nhị thức âmKinh tế lượng↔ compare
- Bộ tự mã hóa biến phânHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →