Single RNA sequencing - classificatie van cellen
5 belangrijke vragen over Single RNA sequencing - classificatie van cellen
Wat geeft classificatie voor uitkomst?
- Zorgt voor patronen in een groep die gelijkenissen in samples en variabelen hebben.
- De output van de sample die je wil groeperen moet niet gebruikt zijn voor het maken van het algoritme
Pro en con van dimensie reductie naar clustering?
- Pro: alleen intressante verschillen tussen cellen zijn meegenomen, versneld het procces.
- con: de keuze van aantal PCs that wortd gebruikt in de berekening is belangrijk
De relatie van totaal aantal RNA in een cel (ncounts) en mitochondrial RNA percentage?
- Veel mitochondriaal RNA dan slechte cellen (beschadigde of door gaande cellen)
- >10-30% mitochondrial mRNA geeft slecht cell kwaliteit aan deze moeten dan verwijderd wordne uit de dataset
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
De relatie van totaal aantal RNA in ene cel (ncounts) en ribosomaal RNA precentage
- veel ribosomaal RNA dat betekend dat er veel productie is van eiwitten en is er een hoge proliferatie van cellen en secretie cellen
- >30-50% van al het mRNA is ribosomaal RNA dan worden die waarden uit de dataset gehaald, want anders vertekenen ze het beeld
- beschouwd uit achtergrondgeruis
De relatie van totaal aantal RNA in ene cel (ncounts) en aantal features?
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden