相关实验视频
Updated: Jun 16, 2025

07:30
Optimization for Sequencing and Analysis of Degraded FFPE-RNA Samples
Published on: June 8, 2020
12.0K
基因计数的规范化影响了RNA测序数据的主要组件基础的探索性分析
Henk J van Lingen1, Maria Suarez-Diez1, Edoardo Saccenti1
1Laboratory of Systems and Synthetic Biology, Wageningen University & Research, the Netherlands.
Biochimica et biophysica acta. Gene regulatory mechanisms
|August 18, 2024
概括
RNA测序数据的规范化显著影响主要组件分析 (PCA) 模型的解释. 选择正确的正常化方法对于从基因表达数据中获得准确的生物学见解至关重要.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 基因表达数数据的正常化对于RNA测序分析至关重要.
- 统计分析往往侧重于单变量微分表达式,忽视多变量关系.
研究的目的:
- 调查各种规范化方法对主要组件分析 (PCA) 模型的影响.
- 用PCA评估正常化如何影响基因表达数据的解释.
主要方法:
- 在模拟和实验RNA测序数据上应用了12种广泛使用的规范化方法.
- 使用主要组件分析 (PCA) 和共变同时组件分析.
- 评估PCA模型复杂性,样本聚类和基因排名.
主要成果:
- PCA分数图显示了不同规范化方法之间的相似性.
- 来自PCA模型的生物学解释根据所使用的规范化技术有很大的差异.
- 基因丰富途径分析突出了依赖于正常化的解释.
结论:
- 虽然PCA可视化可能看起来是一致的,但从RNA测序数据分析中得出的生物学结论对所采用的规范化方法敏感.
- 选择适当的规范化对于可靠的多变量分析和生物解释至关重要.
更多相关视频
06:40G2-seq: A High Throughput Sequencing-based Technique for Identifying Late Replicating Regions of the Genome
Published on: March 22, 2018
5.8K
09:58Mapping the Structure-Function Relationships of Disordered Oncogenic Transcription Factors Using Transcriptomic Analysis
Published on: June 27, 2020
2.7K