Process / pipelineBioinformatics / omics
单细胞拷贝数变异分析
单细胞拷贝数变异(scCNV)分析旨在检测单个细胞内基因组片段的获得和丢失,使研究人员能够以单细胞分辨率解析肿瘤内异质性、重建克隆演化并区分恶性细胞与正常细胞。该方法可直接应用于单细胞全基因组测序数据,或从scRNA-seq或scATAC-seq实验的读数深度信号中推断得出。
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
- Garvin, T., Aboukhalil, R., Kendall, J., Baslan, T., Atwal, G. S., Hicks, J., Wigler, M., & Schatz, M. C. (2015). Interactive analysis and assessment of single-cell copy-number variations. Nature Methods, 12(11), 1058–1060. link ↗
- Gao, R., Bai, S., Henderson, Y. C., Lin, Y., Schalck, A., Yan, Y., Kumar, T., Hu, M., Sei, E., Davis, A., Wang, F., Shaitelman, S. F., Wang, J. R., Chen, K., Moulder, S., Lai, S. Y., & Navin, N. E. (2021). Delineating copy number and clonal substructure in human tumors from single-cell transcriptomes. Nature Biotechnology, 39(5), 599–608. link ↗
如何引用本页
ScholarGate. (2026, June 3). Single-cell Copy Number Variation Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/single-cell-copy-number-variation-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。
- 拷贝数变异分析生物信息学↔ 比较
- 单细胞全基因组关联研究 (scEWAS)生物信息学↔ 比较
- 单细胞全基因组关联分析 (Single-cell GWAS)生物信息学↔ 比较
- Single-cell RNA-seq analysis生物信息学↔ 比较
- 单细胞RNA测序差异表达分析生物信息学↔ 比较
- 变异检测生物信息学↔ 比较