Process / pipelineBioinformatics / omics
多组学单细胞RNA测序分析 — 多模态单细胞整合图谱分析
多组学单细胞RNA测序分析整合了两个或更多分子层面的数据，例如基因表达（scRNA-seq）、染色质可及性（scATAC-seq）或表面蛋白丰度（CITE-seq），这些数据是在同一单细胞中同时测量或共同分析的。通过在共享的低维空间中对齐这些模态，研究人员可以获得比任何单一检测方法都更具机制深度的细胞身份、调控状态和表型图景。
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
- Hao, Y., Hao, S., Andersen-Nissen, E., Mauck, W. M., Zheng, S., Butler, A., Lee, M. J., Wilk, A. J., Darby, C., Zager, M., Hoffman, P., Stoeckius, M., Papalexi, E., Mimitou, E. P., Jain, J., Srivastava, A., Stuart, T., Fleming, L. M., Yeung, B., Rogers, A. J., McElrath, J. M., Blish, C. A., Gottardo, R., Smibert, P., & Satija, R. (2021). Integrated analysis of multimodal single-cell data. Cell, 184(13), 3573–3587.e29. link ↗
- Argelaguet, R., Arnol, D., Bredikhin, D., Deloro, Y., Velten, B., Marioni, J. C., & Stegle, O. (2020). MOFA+: a statistical framework for comprehensive integration of multi-modal single-cell data. Genome Biology, 21(1), 111. link ↗
如何引用本页
ScholarGate. (2026, June 3). Multi-omics Single-Cell RNA Sequencing Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/multi-omics-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。
- ChIP-seq Peak Calling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RNA-seq差异表达分析生物信息学↔ 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
- Single-cell RNA-seq analysis生物信息学↔ 比较