stochprofML：在R中使用最大似然估计进行随机谱系分析
应用统计
2020-04-21 v1
摘要
组织在其单细胞分子表达上通常是异质的，这可以调控细胞命运的决定。为了理解发育和疾病，量化给定组织中的异质性至关重要。我们介绍R包stochprofML，它旨在从少量随机细胞池的累积表达中参数化异质性。这种方法优于混合样本的解混，节省了成本和精力，并减少了测量误差。该方法使用最大似然原理，最初在Bajikar等人(2014)中提出；其向可变池大小的扩展在Tirier等人(2019)中使用。我们在模拟研究中评估了该算法的性能，并展示了进一步的应用机会。
引用
@article{arxiv.2004.08809,
title = {stochprofML: Stochastic Profiling Using Maximum Likelihood Estimation in R},
author = {Lisa Amrhein and Christiane Fuchs},
journal= {arXiv preprint arXiv:2004.08809},
year = {2020}
}
备注
52 pages, 24 figures