A statistical approach for identifying differential distributions in single-cell RNA-seq experiments.
A statistical approach for identifying differential distributions in single-cell RNA-seq experiments.
复制标题
一种识别单细胞RNA-seq实验中差异分布的统计方法。
DOI：
10.1186/s13059-016-1077-y
复制
发表时间：
2016-10-25
期刊：
影响因子：
12.3
通讯作者：
Kendziorski C
中科院分区：
文献类型：
--
作者：
Korthauer KD;Chu LF;Newton MA;Li Y;Thomson J;Stewart R;Kendziorski C
量化细胞异质性的能力是单细胞技术的一大优势。然而，统计方法通常将细胞的异质性视为一种麻烦。我们提出了一种新的方法来表征在生物条件内和生物条件之间存在不同表达状态时的表达差异。我们证明了该框架可以在广泛的设置下检测差异表达模式。与现有的方法相比，该方法具有更高的能力来检测比均值漂移更复杂的基因表达分布的细微差异，并可以表征这些差异。免费提供的R包scDD实现了这种方法。本文的在线版本(doi：10.1186/s13059-0161077-y)包含补充材料，授权用户可以使用。
The ability to quantify cellular heterogeneity is a major advantage of single-cell technologies. However, statistical methods often treat cellular heterogeneity as a nuisance. We present a novel method to characterize differences in expression in the presence of distinct expression states within and among biological conditions. We demonstrate that this framework can detect differential expression patterns under a wide range of settings. Compared to existing approaches, this method has higher power to detect subtle differences in gene expression distributions that are more complex than a mean shift, and can characterize those differences. The freely available R package scDD implements the approach. The online version of this article (doi:10.1186/s13059-016-1077-y) contains supplementary material, which is available to authorized users.
登录
查看更多内容
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
4.6
作者：
Brunskill, Eric W.;Park, Joo-Seop;Potter, S. Steven
通讯作者：
Potter, S. Steven
影响因子：
5.2
作者：
Atkinson, Stuart P.;Collin, Joseph;Armstrong, Lyle
通讯作者：
Armstrong, Lyle
影响因子：
12.3
作者：
Kim JK;Marioni JC
通讯作者：
Marioni JC
影响因子：
2.7
作者：
Bush, CA;MacEachern, SN
通讯作者：
MacEachern, SN