.png){kind=icon}
返回
Single-cell RNA-seq data normalization: A benchmarking study
.png){kind=icon}
PRE
AI
DOI：10.1371/journal.pone.0335102.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究考察了单细胞RNA测序（scRNA-seq）数据中由技术因素引入的噪声和偏差，并呈现了六种广泛使用的归一化方法的全面基准分析。对这些方法的评估从三个角度进行：细胞聚类、差异表达分析和计算资源需求，利用七个真实数据集和四个模拟数据集。研究发现，Dino在聚类10 x数据集以及细胞数量庞大的数据集方面表现优异，而scTransform在采用全长文库制备协议生产的数据集上表现出色。此外，SCnorm被认为适用于小规模数据集。本研究为学者选择适当的归一化工具提供了重要参考，从而提升后续scRNA-seq数据分析的准确性和可靠性。
Keyword:
TECHNOLOGIES
期刊
IF:
2.6
论文数:
2.6W
被引数:
82.5W
机构
引用论文
分享收藏A scaling normalization method for differential expression analysis of RNA-seq dataRna-seq数据差异表达分析的尺度归一化方法.png)
GENOME BIOLOGY
OAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏Salmon provides fast and bias-aware quantification of transcript expression鲑鱼提供了转录本表达的快速和偏见意识量化NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏Integrating single-cell transcriptomic data across different conditions, technologies, and species跨不同条件、技术和物种整合单细胞转录组数据NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏The dynamics of gene expression in vertebrate embryogenesis at single-cell resolutionScienceOAAI
ScienceIF45.8
OAAI分享收藏Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression使用正则化负二项回归对单细胞rna-seq数据进行归一化和方差稳定GENOME BIOLOGYOAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏Detecting genomic regions associated with a disease using variability functions and Adjusted Rand Index使用变异函数和调整兰德指数检测与疾病相关的基因组区域OAAI
OAAI分享收藏
查看更多内容