Метод масштабной нормализации для анализа дифференциальной экспрессии данных RNA-seq
A scaling normalization method for differential expression analysis of RNA-seq data
2010-03-02
SCID: 54.1/mwmphwnt
Discuss with AI
RNA-seqанализ дифференциальной экспрессиимасштабная нормализациястационарная РНКпрофилирование транскриптома
Figures from the paper
Abstract (AI)
Высокая детализация, обеспечиваемая секвенированием при исследовании транскриптома, позволяет предположить, что RNA-seq, вероятно, станет предпочтительной платформой для изучения РНК в стационарном состоянии. Чтобы выявлять биологически значимые изменения экспрессии, мы показываем, что нормализация по-прежнему остается необходимым этапом анализа. Мы описываем простой и эффективный метод нормализации и демонстрируем существенно улучшенные результаты определения дифференциальной экспрессии на смоделированных и общедоступных наборах данных.
Key Findings
1
Нормализация остаётся необходимой для выявления биологически значимых дифференциальных изменений экспрессии в данных RNA-seq.
2
В работе представлен простой и эффективный метод масштабной нормализации для анализа дифференциальной экспрессии в RNA-seq.
3
Предложенный метод нормализации обеспечивает существенно более точное выявление дифференциальной экспрессии на смоделированных и общедоступных наборах данных.
Research Object
транскриптомные данные RNA-seq
Research Subject
масштабная нормализация и её влияние на выявление дифференциальной экспрессии
Publication Details
Publication Date
2010-03-02
Journal
Publisher
ISSN
Cited by
7843
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
R: язык и среда для статистических вычислений2000
edgeR: пакет Bioconductor для анализа дифференциальной экспрессии данных цифровой экспрессии генов2009
Bioconductor: открытая разработка программного обеспечения для вычислительной биологии и биоинформатики2004
RNA-seq: оценка технической воспроизводимости и сравнение с матрицами экспрессии генов2008
Работы, цитирующие эту статью12
limma расширяет возможности анализа дифференциальной экспрессии для исследований RNA-seq и микроматричных данных2015
Анализ онтологии генов для RNA-seq: учет смещения отбора2010
Атлас генетических регуляторных эффектов по тканям человека консорциума GTEx2020
voom: Точностные веса открывают доступ к инструментам анализа на основе линейных моделей для счётных данных RNA-seq2014
Анализ дифференциальной экспрессии в многофакторных экспериментах RNA-Seq с учетом биологической вариабельности2012
Обзор передовых методов анализа данных RNA-seq2016
Сколько биологических повторов необходимо в эксперименте RNA-seq и какой инструмент для анализа дифференциальной экспрессии следует использовать?2016
От считываний RNA-seq к результатам дифференциальной экспрессии2010
Анализ дифференциальной экспрессии методом RNA-Seq: расширенный обзор и программный инструмент2017
Дефицит таурина как фактор старения2023
Полная транскриптомная BodyMap мыши в 17 тканях на основе RNA-seq2017
Острая вирусная инфекция ускоряет нейродегенерацию в мышиной модели БАС2026