Process / pipelineBioinformatics / omics
贝叶斯基因集富集分析 — 概率通路评分
贝叶斯基因集富集分析（Bayesian GSEA）采用概率框架来确定预定义的基因集（代表生物学通路、细胞过程或功能类别）是否比偶然情况更普遍地差异表达。与经典的频率学派GSEA不同，贝叶斯方法明确地模拟了表达估计中的不确定性，整合了先验生物学知识，并生成富集的后验概率而非原始p值，从而实现了更具原则性的推断，尤其是在小样本设置中。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., ... & Mesirov, J. P. (2005). Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102(43), 15545-15550. DOI: 10.1073/pnas.0506580102 ↗
- Newton, M. A., Quintana, F. A., Den Boon, J. A., Bhattacharya, S., & Ahlquist, P. (2007). Random-set methods identify distinct aspects of the enrichment signal in gene-set analysis. The Annals of Applied Statistics, 1(1), 85-106. link ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Gene Set Enrichment Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/bayesian-gene-set-enrichment-analysis
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 贝叶斯 RNA-seq 差异表达生物信息学↔ 比较
- 基因集富集分析 (GSEA)生物信息学↔ 比较
- 多组学基因集富集分析生物信息学↔ 比较
- 通路富集分析生物信息学↔ 比较
- RNA-seq差异表达生物信息学↔ 比较
- 单细胞基因集富集分析生物信息学↔ 比较
被引用于
Similar methods
Bayesian Pathway Enrichment AnalysisGene Set Enrichment AnalysisNetwork-based gene set enrichment analysisMachine learning-assisted gene set enrichment analysisPathway Enrichment AnalysisMulti-omics gene set enrichment analysisDifferential pathway enrichment analysisTime-series gene set enrichment analysis