Process / pipelineBioinformatics / omics
贝叶斯通路富集分析
贝叶斯通路富集分析用于检验预定义的基因集——即生物通路——是否在实验中表现出差异活性的基因中系统性地过度表达。与经典的过度表达检验不同,它将先验的生物学知识编码为先验分布,并用观察到的表达数据进行更新,从而得到富集的后验概率而非p值。这种概率框架在一致的统计框架内自然地处理小样本、多通路和不确定性传播问题。
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
- Baldi, P., & Long, A. D. (2001). A Bayesian framework for the analysis of microarray expression data: regularized t-test and statistical inferences of gene changes. Bioinformatics, 17(6), 509–519. DOI: 10.1093/bioinformatics/17.6.509 ↗
- Newton, M. A., Quintana, F. A., Den Boon, J. A., Bhattacharya, S., & Ahlquist, P. (2004). 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 Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/bayesian-pathway-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
- eQTL分析生物信息学↔ 比较
- 基因集富集分析 (GSEA)生物信息学↔ 比较
- 多组学通路富集分析生物信息学↔ 比较
- 基于网络的通路富集分析生物信息学↔ 比较
- 通路富集分析生物信息学↔ 比较