Phân tích dữ liệu RNA đơn bào (scRNA-seq) hỗ trợ bởi Học máy
Phân tích dữ liệu RNA đơn bào (scRNA-seq) hỗ trợ bởi học máy tích hợp các mô hình giám sát, không giám sát và sinh tạo sâu vào quy trình làm việc scRNA-seq tiêu chuẩn để xử lý các thách thức đặc thù của dữ liệu đơn bào: tính thưa thớt cực đoan, chiều dữ liệu cao, nhiễu kỹ thuật và hiệu ứng lô giữa các thí nghiệm. Các phương pháp như bộ mã hóa tự động biến phân (scVI), mạng nơ-ron đồ thị và học chuyển giao cải thiện đáng kể việc nhận dạng loại tế bào, suy luận quỹ đạo và tích hợp dữ liệu liên nghiên cứu so với các phương pháp thống kê thuần túy.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
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. link ↗
- Luecken, M. D., & Theis, F. J. (2019). Current best practices in single-cell RNA-seq analysis: a tutorial. Molecular Systems Biology, 15(6), e8746. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Assisted Single-Cell RNA Sequencing Analysis. ScholarGate. https://scholargate.app/vi/bioinformatics/machine-learning-assisted-single-cell-rna-seq-analysis
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phân tích làm giàu tập hợp gen (GSEA)Tin sinh học↔ so sánh
- Phân tích biểu hiện gen khác biệt RNA-seq có hỗ trợ học máyTin sinh học↔ so sánh
- Phân tích làm giàu đường dẫnTin sinh học↔ so sánh
- Phân tích biểu hiện gen khác biệt RNA-seqTin sinh học↔ so sánh
- Phân tích RNA-seq đơn bàoTin sinh học↔ so sánh
- Single-cell RNA-seq differential expressionTin sinh học↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →