BNP-Seq: Bayesian Nonparametric Differential Expression Analysis of Sequencing Count Data
BNP-Seq：测序计数数据的贝叶斯非参数差异表达分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要关注基因测序计数的差异表达分析，未提供所列经济学方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
BNP-Seq：测序计数数据的贝叶斯非参数差异表达分析
- 研究问题
- 如何在测序深度存在差异的高通量计数数据中识别差异表达基因，并减少对复杂临时性预处理步骤的依赖？
- 方法与思路
- 作者采用 gamma 或 beta 负二项过程，以样本特定参数处理测序深度，再比较基因特定参数的后验分布并跨基因和样本借力。
- 材料陈述的贡献
- 摘要称模拟和真实 RNA 测序实验中，所提算法在 ROC 与精确率—召回率曲线下面积上优于既有算法。
- 阅读关注点
- 应核对两种过程的参数化、测序深度与离散程度的分工，以及后验比较如何判定差异表达和基准实验是否公平。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未给出判定阈值、错误率保证或曲线面积数值，实验优势有其比较范围。
原文摘要
We perform differential expression analysis of high-throughput sequencing count data under a Bayesian nonparametric framework, removing sophisticated ad hoc pre-processing steps commonly required in existing algorithms. We propose to use the gamma (beta) negative binomial process, which takes into account different sequencing depths using sample-specific negative binomial probability (dispersion) parameters, to detect differentially expressed genes by comparing the posterior distributions of gene-specific negative binomial dispersion (probability) parameters. These model parameters are inferred by borrowing statistical strength across both the genes and samples. Extensive experiments on both simulated and real-world RNA sequencing count data show that the proposed differential expression analysis algorithms clearly outperform previously proposed ones in terms of the areas under both the receiver operating characteristic and precision-recall curves. Supplementary materials for this article are available online.