Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Parallel Generalized Suffix Tree Construction for Genomic Data Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Stratified Test Alleviates Batch Effects in Single-Cell Data

verfasst von : Shaoheng Liang, Qingnan Liang, Rui Chen, Ken Chen

Erschienen in: Algorithms for Computational Biology

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Analyzing single-cell sequencing data across batches is challenging. We find that the Van Elteren test, a stratified version of Wilcoxon rank-sum test, elegantly mitigates the problem. We also modified the common language effect size to supplement this test, further improving its utility. On both simulated and real patient data we show the ability of Van Elteren test to control for false positives and false negatives. The effect size also estimates the differences between cell types more accurately.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel BESTox: A Convolutional Neural Network Regression Model Based on Binary-Encoded SMILES for Acute Oral Toxicity Prediction of Chemical Compounds
Nächstes Kapitel A Topological Data Analysis Approach on Predicting Phenotypes from Gene Expression Data
Literatur
1.
2.
Everitt, B., Skrondal, A.: The Cambridge Dictionary of Statistics. BusinessPro collection, 4th edn. Cambridge University Press, Cambridge (2010)MATHCrossRef
3.
Haghverdi, L., Lun, A.T., Morgan, M.D., Marioni, J.C.: Batch effects in single-cell RNA-sequencing data are corrected by matching mutual nearest neighbors. Nat. Biotechnol. 36(5), 421 (2018)CrossRef
4.
Hie, B., Bryson, B., Berger, B.: Efficient integration of heterogeneous single-cell transcriptomes using Scanorama. Nat. Biotechnol. 37(6), 685 (2019)CrossRef
5.
Kerby, D.S.: The simple difference formula: an approach to teaching nonparametric correlation. Compr. Psychol. 3, 1–10 (2014). 11-TCrossRef
6.
Kolesnikov, A.V., et al.: G-protein \(\beta \gamma \)-complex is crucial for efficient signal amplification in vision. J. Neurosci. 31(22), 8067–8077 (2011)CrossRef
7.
Korsunsky, I., et al.: Fast, sensitive and accurate integration of single-cell data with Harmony. Nat. Methods 16, 1–8 (2019)CrossRef
8.
Liang, Q., et al.: Single-nuclei RNA-seq on human retinal tissue provides improved transcriptome profiling. Nat. Commun. 10(1), 1–12 (2019)CrossRef
9.
Lopez, R., Regier, J., Cole, M.B., Jordan, M.I., Yosef, N.: Deep generative modeling for single-cell transcriptomics. Nat. Methods 15(12), 1053 (2018)CrossRef
10.
Maddox, D.M., et al.: A mutation in Syne2 causes early retinal defects in photoreceptors, secondary neurons, and Müller glia. Invest. Ophthalmol. Vis. Sci. 56(6), 3776–3787 (2015)CrossRef
11.
Mann, H.B., Whitney, D.R.: On a test of whether one of two random variables is stochastically larger than the other. Ann. Math. Stat. 18, 50–60 (1947)MathSciNetMATHCrossRef
12.
McGraw, K.O., Wong, S.: A common language effect size statistic. Psychol. Bull. 111(2), 361 (1992)CrossRef
13.
Meyer, J.G., Garcia, T.Y., Schilling, B., Gibson, B.W., Lamba, D.A.: Proteome and secretome dynamics of human retinal pigment epithelium in response to reactive oxygen species. Sci. Rep. 9(1), 1–12 (2019)CrossRef
14.
Nygaard, V., Rødland, E.A., Hovig, E.: Methods that remove batch effects while retaining group differences may lead to exaggerated confidence in downstream analyses. Biostatistics 17(1), 29–39 (2016)MathSciNetCrossRef
15.
Regev, A., et al.: Science forum: the human cell atlas. Elife 6, e27041 (2017)CrossRef
16.
Stuart, T., et al.: Comprehensive integration of single-cell data. Cell 177, 1888–1902 (2019)CrossRef
17.
Van Elteren, P.: On the combination of independent two-sample tests of Wilcoxon. Bull. Inst. Int. Staist. 37, 351–361 (1960)MathSciNetMATH
18.
Metadaten
Titel
Stratified Test Alleviates Batch Effects in Single-Cell Data
verfasst von
Shaoheng Liang
Qingnan Liang
Rui Chen
Ken Chen
Copyright-Jahr
2020
Buch
Algorithms for Computational Biology

Print ISBN: 978-3-030-42265-3

Electronic ISBN: 978-3-030-42266-0

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-42266-0_13