Process / pipelineBioinformatics / omics
贝叶斯单细胞RNA测序分析 — 概率性转录组学
贝叶斯单细胞RNA测序分析将概率生成模型应用于单细胞RNA测序产生的稀疏、过度分散的计数矩阵。通过对潜在生物变量（细胞状态、批次效应、dropout）设置先验分布，该框架将不确定性传播到每一个下游推断步骤。scVI、SCVI-tools和BayesPrism等工具实现了这一范式，能够进行原则性的细胞聚类、差异表达检验和批次整合，这些方法明确地对技术噪声进行建模，而不是忽略它。
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
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Probabilistic Analysis of Single-Cell RNA Sequencing Data. ScholarGate. https://scholargate.app/zh/bioinformatics/bayesian-single-cell-rna-seq-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。
并排比较 →