统计方法

最近的一项研究提出了一种度量标准，以量化不同类型的流行病学监测数据(如病例数和死亡数)所传达的关于流行病实时传播的信息。

准确识别和有效去除不需要的变异对于从大型和复杂的RNA-seq研究中获得有意义的生物学结果至关重要。技术复制与阴性和阳性控制基因是实现这一任务的关键工具。我们将展示在技术复制不可用时如何进行。

细胞类型特异性差异表达推断(C-SIDE)是一种统计模型，识别哪些基因(在确定的细胞类型内)在空间位置、病理变化或细胞-细胞相互作用的基础上有差异表达。C-SIDE通过联合模拟细胞类型混合物和空间变化的基因表达，促进了空间转录组学中的差异表达分析。

引入缺失的亲本基因型可以提高对直接遗传效应的估计。

RAPToR(从参考转录组分期真实年龄预测)是一种新的、广泛适用的方法，可以从参考转录组时间序列中精确估计样本的年龄。

受主动学习方法的启发，我们开发了一种计算方法，可以选择能够在大量单细胞rna测序数据中可靠地识别细胞类型和转录状态的最小基因集。由于该过程将计算资源集中在分类差的细胞上，主动支持向量机(ActiveSVM)可以扩展到具有超过100万个细胞的数据集。