PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Büttner, M. ; Ostner, J. ; Müller, C.L. ; Theis, F.J. ; Schubert, B.

scCODA is a Bayesian model for compositional single-cell data analysis.

Nat. Commun. 12:6876 (2021)
Verlagsversion DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
Compositional changes of cell types are main drivers of biological processes. Their detection through single-cell experiments is difficult due to the compositionality of the data and low sample sizes. We introduce scCODA ( https://github.com/theislab/scCODA ), a Bayesian model addressing these issues enabling the study of complex cell type effects in disease, and other stimuli. scCODA demonstrated excellent detection performance, while reliably controlling for false discoveries, and identified experimentally verified cell type changes that were missed in original analyses.
Impact Factor
Scopus SNIP
Web of Science
Times Cited
Scopus
Cited By
Altmetric
14.919
3.055
2
23
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Sprache englisch
Veröffentlichungsjahr 2021
HGF-Berichtsjahr 2021
ISSN (print) / ISBN 2041-1723
e-ISSN 2041-1723
Zeitschrift Nature Communications
Quellenangaben Band: 12, Heft: 1, Seiten: , Artikelnummer: 6876 Supplement: ,
Verlag Nature Publishing Group
Verlagsort London
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Computational Biology (ICB)
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-503800-001
Förderungen Projekt DEAL
DOI 10.1038/s41467-021-27150-6
WOS ID WOS:000722866700018
Scopus ID 85119876768
PubMed ID 34824236
Erfassungsdatum 2021-12-10
[➜Korrektur melden]