Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

RNA-seq03:21

RNA-seq

10.4K
RNA sequencing, or RNA-Seq, is a high-throughput sequencing technology used to study the transcriptome of a cell. Transcriptomics helps to interpret the functional elements of a genome and identify the molecular constituents of an organism. Additionally, it also helps in understanding the development of an organism and the occurrence of diseases. 
Before the discovery of RNA-seq, microarray-based methods and Sanger sequencing were used for transcriptome analysis. However, while...
10.4K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Bayesian Multinomial Logistic Normal Models through Marginally Latent Matrix-T Processes.

Journal of machine learning research : JMLR·2026
Same author

Scale reliant mixed effects models enhance microbiome data analysis.

Microbiome·2026
Same author

Uptake and timing of risk-reducing gynecologic surgery among individuals with Lynch syndrome identified via population screening.

Familial cancer·2026
Same author

Incorporating Scale Uncertainty into Differential Expression Analyses Using ALDEx2.

Current protocols·2026
Same author

PCR bias impacts microbiome ecological analyses.

PLoS computational biology·2026
Same author

Machine learning reveals sequence and methylation determinants of SaCas9-PAM interactions in bacteria.

Nucleic acids research·2026
Same journal

asms: finding allele-specific methylation in human genomes without phasing.

NAR genomics and bioinformatics·2026
Same journal

An epigenetic clock for chronological age estimation in East Asian populations.

NAR genomics and bioinformatics·2026
Same journal

The role of ATF4 in neurons under mitochondrial stress.

NAR genomics and bioinformatics·2026
Same journal

Distinct repeat architecture landscapes in the proteomes of protozoan parasites.

NAR genomics and bioinformatics·2026
Same journal

Long non-coding RNA triplex-dependent regulation of melanoma gene networks.

NAR genomics and bioinformatics·2026
Same journal

Challenges in predicting chromatin accessibility differences between species.

NAR genomics and bioinformatics·2026
関連記事をすべて見る

関連する実験動画

Updated: Sep 10, 2025

Identification of Alternative Splicing and Polyadenylation in RNA-seq Data
08:35

Identification of Alternative Splicing and Polyadenylation in RNA-seq Data

Published on: June 24, 2021

5.8K

ALDEx2によるRNAシーケンシングカウントデータの分析のための明示的なスケールシミュレーション

Gregory B Gloor1, Michelle Pistner Nixon2, Justin D Silverman3,4,5

  • 1Department of Biochemistry, University of Western Ontario, London ON, N6A 5C1, Canada.

NAR genomics and bioinformatics
|August 21, 2025
PubMed
まとめ
この要約は機械生成です。

スケールモデルは,生物学的システムのサイズを考慮し,高通量シーケンシング (HTS) データのエラーを減らすことで,トランスクリプトミックの分析を改善します. これは,差異的多量分析の正確性と再現性を高めます.

さらに関連する動画

Analyzing Multifactorial RNA-Seq Experiments with DiCoExpress
05:22

Analyzing Multifactorial RNA-Seq Experiments with DiCoExpress

Published on: July 29, 2022

3.6K
Three Differential Expression Analysis Methods for RNA Sequencing: limma, EdgeR, DESeq2
10:10

Three Differential Expression Analysis Methods for RNA Sequencing: limma, EdgeR, DESeq2

Published on: September 18, 2021

38.5K

関連する実験動画

Last Updated: Sep 10, 2025

Identification of Alternative Splicing and Polyadenylation in RNA-seq Data
08:35

Identification of Alternative Splicing and Polyadenylation in RNA-seq Data

Published on: June 24, 2021

5.8K
Analyzing Multifactorial RNA-Seq Experiments with DiCoExpress
05:22

Analyzing Multifactorial RNA-Seq Experiments with DiCoExpress

Published on: July 29, 2022

3.6K
Three Differential Expression Analysis Methods for RNA Sequencing: limma, EdgeR, DESeq2
10:10

Three Differential Expression Analysis Methods for RNA Sequencing: limma, EdgeR, DESeq2

Published on: September 18, 2021

38.5K

科学分野:

  • バイオ情報学
  • コンピュータ生物学
  • ゲノミクス

背景:

  • ハイ・スループット・シーケンシング (HTS) 試験は,シーケンシングの深さに影響する技術的な変動に直面します.
  • HTS分析における従来の標準化方法は,生物学的システムのスケールに関する仮定を行い,誤りにつながる可能性があります.
  • 正常化仮定の誤差は,差異的多量分析における偽陽性と偽陰性の割合を増加させる可能性があります.

研究 の 目的:

  • トランスクリプトミア分析におけるスケールモデルの応用を紹介し,実証する.
  • スケールモデルがHTSデータにおける標準化仮定によって引き起こされるエラーを軽減する方法を示す.
  • トランスクリプトミックのデータ分析の透明性と再現性を高める.

主な方法:

  • ALDEx2 R パッケージにスケールモデルの統合
  • メタトランスクリプトミクスを含むトランスクリプトミクスのケーススタディにスケールモデルの適用.
  • 複雑なデータセットのためのスケールモデルを構築するために,既知のハウスクーピング遺伝子を活用します.

主要な成果:

  • スケールモデルは,トランスクリプトミックのデータにおける伝統的な正規化と比較して,誤った陽性と誤った負の割合を減らす.
  • スケールモデルにより,HTSデータ分析の透明性と再現性が向上します.
  • スケールモデルは,実用的な意味と統計的な意味の間の断絶を効果的に解決し,二重カットオフのアプローチを代替します.

結論:

  • スケールモデルは,特にトランスクリプトミクスにおいて,HTSデータを分析するためのより堅固なアプローチを提供します.
  • 分析にスケールを組み込むことは,技術的な変化を軽減し,生物学的解釈を改善します.
  • この研究は,より信頼性の高い結果を得るために,トランスクリプトミックのデータセットにスケールモデルを適用するための実用的なガイドラインを提供します.