On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques.
Distribution de PoissonStatistiques
#2
Quels outils statistiques sont utilisés ?
Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse.
Tests statistiquesAnalyse de données
#3
Quand utiliser la loi de Poisson ?
Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies.
Événements raresModélisation statistique
#4
Quels sont les critères d'application ?
Les événements doivent être indépendants et se produire à un taux constant dans le temps.
IndépendanceTaux d'événements
#5
Comment vérifier l'adéquation du modèle ?
On compare les données observées avec les données attendues par le modèle de Poisson.
Modèle statistiqueAnalyse de variance
Symptômes
5
#1
Quels symptômes modélise-t-on avec la loi de Poisson ?
On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné.
SymptômesÉvénements de santé
#2
La loi de Poisson peut-elle prédire des épidémies ?
Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie.
ÉpidémiesPrévision
#3
Quels événements sont souvent analysés ?
Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés.
Admissions hospitalièresInfections nosocomiales
#4
Peut-on modéliser des décès avec cette loi ?
Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période.
DécèsDémographie
#5
Quels types de maladies sont concernés ?
Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées.
Maladies infectieusesAccidents
Prévention
5
#1
Comment la loi de Poisson aide-t-elle à la prévention ?
Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention.
PréventionRisque
#2
Peut-on prédire des épidémies avec cette loi ?
Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives.
Prédiction d'épidémiesInterventions préventives
#3
Quels événements préventifs sont modélisés ?
On modélise des événements comme les vaccinations et les campagnes de sensibilisation.
VaccinationSensibilisation
#4
Comment évaluer l'impact des campagnes ?
On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention.
Impact des campagnesAnalyse comparative
#5
Quels facteurs influencent la prévention ?
Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs.
Taux de vaccinationAccès aux soins
Traitements
5
#1
Comment la loi de Poisson aide-t-elle en traitement ?
Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables.
Efficacité des traitementsÉvénements indésirables
#2
Peut-on ajuster les traitements avec cette loi ?
Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés.
Ajustement thérapeutiqueRésultats cliniques
#3
Comment évaluer les effets secondaires ?
On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques.
Effets secondairesEssais cliniques
#4
La loi de Poisson influence-t-elle la recherche ?
Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares.
Recherche médicaleImpact des traitements
#5
Quels traitements sont souvent analysés ?
Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés.
Maladies infectieusesInterventions chirurgicales
Complications
5
#1
Quelles complications peuvent être modélisées ?
On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires.
ComplicationsInfections post-opératoires
#2
Comment la loi de Poisson aide-t-elle à comprendre les complications ?
Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque.
Analyse de fréquenceFacteurs de risque
#3
Peut-on prédire des complications avec cette loi ?
Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement.
PrédictionPopulation spécifique
#4
Quels types de complications sont souvent étudiés ?
Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés.
Complications chirurgicalesEffets indésirables
#5
Comment réduire les complications ?
On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins.
Réduction des risquesProtocoles de soins
Facteurs de risque
5
#1
Quels facteurs influencent la loi de Poisson ?
Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés.
Facteurs de risqueAntécédents médicaux
#2
Comment identifier les facteurs de risque ?
On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares.
ÉpidémiologieAnalyse de données
#3
Les comportements influencent-ils les résultats ?
Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements.
Comportements de santéTabagisme
#4
Quels facteurs environnementaux sont considérés ?
Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse.
PollutionAccès aux soins
#5
Comment les facteurs de risque sont-ils utilisés ?
Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention.
Politiques de santéStratégies de prévention
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "MedicalWebPage",
"name": "Loi de Poisson : Questions médicales les plus fréquentes",
"headline": "Loi de Poisson : Comprendre les symptômes, diagnostics et traitements",
"description": "Guide complet et accessible sur les Loi de Poisson : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.",
"datePublished": "2024-04-05",
"dateModified": "2025-03-31",
"inLanguage": "fr",
"medicalAudience": [
{
"@type": "MedicalAudience",
"name": "Grand public",
"audienceType": "Patient",
"healthCondition": {
"@type": "MedicalCondition",
"name": "Loi de Poisson"
},
"suggestedMinAge": 18,
"suggestedGender": "unisex"
},
{
"@type": "MedicalAudience",
"name": "Médecins",
"audienceType": "Physician",
"geographicArea": {
"@type": "AdministrativeArea",
"name": "France"
}
},
{
"@type": "MedicalAudience",
"name": "Chercheurs",
"audienceType": "Researcher",
"geographicArea": {
"@type": "AdministrativeArea",
"name": "International"
}
}
],
"reviewedBy": {
"@type": "Person",
"name": "Dr Olivier Menir",
"jobTitle": "Expert en Médecine",
"description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale",
"url": "/static/pages/docteur-olivier-menir.html",
"alumniOf": {
"@type": "EducationalOrganization",
"name": "Université Paris Descartes"
}
},
"isPartOf": {
"@type": "MedicalWebPage",
"name": "Lois statistiques",
"url": "https://questionsmedicales.fr/mesh/D016008",
"about": {
"@type": "MedicalCondition",
"name": "Lois statistiques",
"code": {
"@type": "MedicalCode",
"code": "D016008",
"codingSystem": "MeSH"
},
"identifier": {
"@type": "PropertyValue",
"propertyID": "MeSH Tree",
"value": "N06.850.520.830.994"
}
}
},
"about": {
"@type": "MedicalCondition",
"name": "Loi de Poisson",
"alternateName": "Poisson Distribution",
"code": {
"@type": "MedicalCode",
"code": "D016012",
"codingSystem": "MeSH"
}
},
"author": [
{
"@type": "Person",
"name": "Cécile Kremer",
"url": "https://questionsmedicales.fr/author/C%C3%A9cile%20Kremer",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Andrea Torneri",
"url": "https://questionsmedicales.fr/author/Andrea%20Torneri",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Sien Boesmans",
"url": "https://questionsmedicales.fr/author/Sien%20Boesmans",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Hanne Meuwissen",
"url": "https://questionsmedicales.fr/author/Hanne%20Meuwissen",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Selina Verdonschot",
"url": "https://questionsmedicales.fr/author/Selina%20Verdonschot",
"affiliation": {
"@type": "Organization",
"name": ""
}
}
],
"citation": [
{
"@type": "ScholarlyArticle",
"name": "scMuffin: an R package to disentangle solid tumor heterogeneity by single-cell gene expression analysis.",
"datePublished": "2023-11-27",
"url": "https://questionsmedicales.fr/article/38012590",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1186/s12859-023-05563-y"
}
},
{
"@type": "ScholarlyArticle",
"name": "Robustness of single-cell RNA-seq for identifying differentially expressed genes.",
"datePublished": "2023-07-03",
"url": "https://questionsmedicales.fr/article/37394518",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1186/s12864-023-09487-y"
}
},
{
"@type": "ScholarlyArticle",
"name": "Protocols for single-cell RNA-seq and spatial gene expression integration and interactive visualization.",
"datePublished": "2023-01-19",
"url": "https://questionsmedicales.fr/article/36853708",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1016/j.xpro.2023.102047"
}
},
{
"@type": "ScholarlyArticle",
"name": "Feature selection followed by a novel residuals-based normalization that includes variance stabilization simplifies and improves single-cell gene expression analysis.",
"datePublished": "2024-07-30",
"url": "https://questionsmedicales.fr/article/39080559",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1186/s12859-024-05872-w"
}
},
{
"@type": "ScholarlyArticle",
"name": "Deconvolution from bulk gene expression by leveraging sample-wise and gene-wise similarities and single-cell RNA-Seq data.",
"datePublished": "2024-09-18",
"url": "https://questionsmedicales.fr/article/39294558",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1186/s12864-024-10728-x"
}
}
],
"breadcrumb": {
"@type": "BreadcrumbList",
"itemListElement": [
{
"@type": "ListItem",
"position": 1,
"name": "questionsmedicales.fr",
"item": "https://questionsmedicales.fr"
},
{
"@type": "ListItem",
"position": 2,
"name": "Environnement et santé publique",
"item": "https://questionsmedicales.fr/mesh/D004778"
},
{
"@type": "ListItem",
"position": 3,
"name": "Santé publique",
"item": "https://questionsmedicales.fr/mesh/D011634"
},
{
"@type": "ListItem",
"position": 4,
"name": "Méthodes épidémiologiques",
"item": "https://questionsmedicales.fr/mesh/D004812"
},
{
"@type": "ListItem",
"position": 5,
"name": "Statistiques comme sujet",
"item": "https://questionsmedicales.fr/mesh/D013223"
},
{
"@type": "ListItem",
"position": 6,
"name": "Lois statistiques",
"item": "https://questionsmedicales.fr/mesh/D016008"
},
{
"@type": "ListItem",
"position": 7,
"name": "Loi de Poisson",
"item": "https://questionsmedicales.fr/mesh/D016012"
}
]
}
},
{
"@type": "MedicalWebPage",
"name": "Article complet : Loi de Poisson - Questions et réponses",
"headline": "Questions et réponses médicales fréquentes sur Loi de Poisson",
"description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.",
"datePublished": "2025-05-13",
"inLanguage": "fr",
"hasPart": [
{
"@type": "MedicalWebPage",
"name": "Diagnostic",
"headline": "Diagnostic sur Loi de Poisson",
"description": "Comment identifier une distribution de Poisson ?\nQuels outils statistiques sont utilisés ?\nQuand utiliser la loi de Poisson ?\nQuels sont les critères d'application ?\nComment vérifier l'adéquation du modèle ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-diagnostic"
},
{
"@type": "MedicalWebPage",
"name": "Symptômes",
"headline": "Symptômes sur Loi de Poisson",
"description": "Quels symptômes modélise-t-on avec la loi de Poisson ?\nLa loi de Poisson peut-elle prédire des épidémies ?\nQuels événements sont souvent analysés ?\nPeut-on modéliser des décès avec cette loi ?\nQuels types de maladies sont concernés ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-symptômes"
},
{
"@type": "MedicalWebPage",
"name": "Prévention",
"headline": "Prévention sur Loi de Poisson",
"description": "Comment la loi de Poisson aide-t-elle à la prévention ?\nPeut-on prédire des épidémies avec cette loi ?\nQuels événements préventifs sont modélisés ?\nComment évaluer l'impact des campagnes ?\nQuels facteurs influencent la prévention ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-prévention"
},
{
"@type": "MedicalWebPage",
"name": "Traitements",
"headline": "Traitements sur Loi de Poisson",
"description": "Comment la loi de Poisson aide-t-elle en traitement ?\nPeut-on ajuster les traitements avec cette loi ?\nComment évaluer les effets secondaires ?\nLa loi de Poisson influence-t-elle la recherche ?\nQuels traitements sont souvent analysés ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-traitements"
},
{
"@type": "MedicalWebPage",
"name": "Complications",
"headline": "Complications sur Loi de Poisson",
"description": "Quelles complications peuvent être modélisées ?\nComment la loi de Poisson aide-t-elle à comprendre les complications ?\nPeut-on prédire des complications avec cette loi ?\nQuels types de complications sont souvent étudiés ?\nComment réduire les complications ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-complications"
},
{
"@type": "MedicalWebPage",
"name": "Facteurs de risque",
"headline": "Facteurs de risque sur Loi de Poisson",
"description": "Quels facteurs influencent la loi de Poisson ?\nComment identifier les facteurs de risque ?\nLes comportements influencent-ils les résultats ?\nQuels facteurs environnementaux sont considérés ?\nComment les facteurs de risque sont-ils utilisés ?",
"url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Single-Cell+Gene+Expression+Analysis#section-facteurs de risque"
}
]
},
{
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Comment identifier une distribution de Poisson ?",
"position": 1,
"acceptedAnswer": {
"@type": "Answer",
"text": "On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques."
}
},
{
"@type": "Question",
"name": "Quels outils statistiques sont utilisés ?",
"position": 2,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse."
}
},
{
"@type": "Question",
"name": "Quand utiliser la loi de Poisson ?",
"position": 3,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies."
}
},
{
"@type": "Question",
"name": "Quels sont les critères d'application ?",
"position": 4,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les événements doivent être indépendants et se produire à un taux constant dans le temps."
}
},
{
"@type": "Question",
"name": "Comment vérifier l'adéquation du modèle ?",
"position": 5,
"acceptedAnswer": {
"@type": "Answer",
"text": "On compare les données observées avec les données attendues par le modèle de Poisson."
}
},
{
"@type": "Question",
"name": "Quels symptômes modélise-t-on avec la loi de Poisson ?",
"position": 6,
"acceptedAnswer": {
"@type": "Answer",
"text": "On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné."
}
},
{
"@type": "Question",
"name": "La loi de Poisson peut-elle prédire des épidémies ?",
"position": 7,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie."
}
},
{
"@type": "Question",
"name": "Quels événements sont souvent analysés ?",
"position": 8,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés."
}
},
{
"@type": "Question",
"name": "Peut-on modéliser des décès avec cette loi ?",
"position": 9,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période."
}
},
{
"@type": "Question",
"name": "Quels types de maladies sont concernés ?",
"position": 10,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées."
}
},
{
"@type": "Question",
"name": "Comment la loi de Poisson aide-t-elle à la prévention ?",
"position": 11,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention."
}
},
{
"@type": "Question",
"name": "Peut-on prédire des épidémies avec cette loi ?",
"position": 12,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives."
}
},
{
"@type": "Question",
"name": "Quels événements préventifs sont modélisés ?",
"position": 13,
"acceptedAnswer": {
"@type": "Answer",
"text": "On modélise des événements comme les vaccinations et les campagnes de sensibilisation."
}
},
{
"@type": "Question",
"name": "Comment évaluer l'impact des campagnes ?",
"position": 14,
"acceptedAnswer": {
"@type": "Answer",
"text": "On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention."
}
},
{
"@type": "Question",
"name": "Quels facteurs influencent la prévention ?",
"position": 15,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs."
}
},
{
"@type": "Question",
"name": "Comment la loi de Poisson aide-t-elle en traitement ?",
"position": 16,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables."
}
},
{
"@type": "Question",
"name": "Peut-on ajuster les traitements avec cette loi ?",
"position": 17,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés."
}
},
{
"@type": "Question",
"name": "Comment évaluer les effets secondaires ?",
"position": 18,
"acceptedAnswer": {
"@type": "Answer",
"text": "On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques."
}
},
{
"@type": "Question",
"name": "La loi de Poisson influence-t-elle la recherche ?",
"position": 19,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares."
}
},
{
"@type": "Question",
"name": "Quels traitements sont souvent analysés ?",
"position": 20,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés."
}
},
{
"@type": "Question",
"name": "Quelles complications peuvent être modélisées ?",
"position": 21,
"acceptedAnswer": {
"@type": "Answer",
"text": "On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires."
}
},
{
"@type": "Question",
"name": "Comment la loi de Poisson aide-t-elle à comprendre les complications ?",
"position": 22,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque."
}
},
{
"@type": "Question",
"name": "Peut-on prédire des complications avec cette loi ?",
"position": 23,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement."
}
},
{
"@type": "Question",
"name": "Quels types de complications sont souvent étudiés ?",
"position": 24,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés."
}
},
{
"@type": "Question",
"name": "Comment réduire les complications ?",
"position": 25,
"acceptedAnswer": {
"@type": "Answer",
"text": "On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins."
}
},
{
"@type": "Question",
"name": "Quels facteurs influencent la loi de Poisson ?",
"position": 26,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés."
}
},
{
"@type": "Question",
"name": "Comment identifier les facteurs de risque ?",
"position": 27,
"acceptedAnswer": {
"@type": "Answer",
"text": "On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares."
}
},
{
"@type": "Question",
"name": "Les comportements influencent-ils les résultats ?",
"position": 28,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements."
}
},
{
"@type": "Question",
"name": "Quels facteurs environnementaux sont considérés ?",
"position": 29,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse."
}
},
{
"@type": "Question",
"name": "Comment les facteurs de risque sont-ils utilisés ?",
"position": 30,
"acceptedAnswer": {
"@type": "Answer",
"text": "Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention."
}
}
]
}
]
}
Single-cell (SC) gene expression analysis is crucial to dissect the complex cellular heterogeneity of solid tumors, which is one of the main obstacles for the development of effective cancer treatment...
scMuffin provides a series of functions to calculate qualitative and quantitative scores, such as: expression of marker sets for normal and tumor conditions, pathway activity, cell state trajectories,...
The analyses offered by scMuffin and the results achieved in the case study show that our tool helps addressing the main challenges in the bioinformatics analysis of SC expression data from solid tumo...
A common feature of single-cell RNA-seq (scRNA-seq) data is that the number of cells in a cell cluster may vary widely, ranging from a few dozen to several thousand. It is not clear whether scRNA-seq ...
We addressed this question by performing scRNA-seq and poly(A)-dependent bulk RNA-seq in comparable aliquots of human induced pluripotent stem cells-derived, purified vascular endothelial and smooth m...
Findings of the current study provide a quantitative reference for designing studies that aim for identifying DEGs for specific cell clusters using scRNA-seq data and for interpreting results of such ...
There is a wealth of software that utilizes single-cell RNA-seq (scRNA-seq) data to deconvolve spatial transcriptomic spots, which currently are not yet at single-cell resolution. Here we provide prot...
Normalization is a crucial step in the analysis of single-cell RNA-sequencing (scRNA-seq) counts data. Its principal objectives are reduction of systematic biases primarily introduced through technica...
The widely adopted bulk RNA-seq measures the gene expression average of cells, masking cell type heterogeneity, which confounds downstream analyses. Therefore, identifying the cellular composition and...
We propose a new deconvolution algorithm, DSSC, which infers cell type-specific gene expression and cell type proportions of heterogeneous samples simultaneously by leveraging gene-gene and sample-sam...
DSSC provides a practical and promising alternative to the experimental techniques to characterize cellular composition and heterogeneity in the gene expression of heterogeneous samples....
Cell clustering is a prerequisite for identifying differentially expressed genes (DEGs) in single-cell RNA sequencing (scRNA-seq) data. Obtaining a perfect clustering result is of central importance f...
Here, we propose single-cell minimum enclosing ball (scMEB), a novel and fast method for detecting single-cell DEGs without prior cell clustering results. The proposed method utilizes a small part of ...
We compared scMEB to two different approaches that could be used to identify DEGs without cell clustering. The investigation of 11 real datasets revealed that scMEB outperformed rival methods in terms...
The aim of this study was to reveal the key genes associated with macrophage polarization in liver cancer....
Data were downloaded from the Gene Expression Omnibus (GEO) and the Cancer Genome Atlas databases (TCGA). R package Seurat 4.0 was used to preprocess the downloaded single-cell sequencing data, princi...
Two thousand highly variable genes were obtained after the normalization of single-cell profiles. In all, 16 principal components and 15 cell clusters were obtained. Monocytes and macrophages were the...
The key genes associated with macrophage polarization, namely CD53, TGFBI, S100A4, pyruvate kinase M, LSP1, and SPP1, may be potential therapeutic targets for liver cancer....
As an essential regulator of type I interferon (IFN) response, TMEM173 participates in immune regulation and cell death induction. In recent studies, activation of TMEM173 has been regarded as a promi...
Quantitative real-time PCR (qRT-PCR) and western blotting (WB) were applied to determine the mRNA and protein levels of TMEM173 in peripheral blood mononuclear cells (PBMCs). TMEM173 mutation status w...
The mRNA and protein levels of TMEM173 were increased in PBMCs from B-ALL patients. Besides, frameshift mutation was presented in TMEM173 sequences of 2 B-ALL patients. ScRNA-seq analysis identified t...
Our findings provide insights into the transcriptomic features of TMEM173 in the BM of high-risk B-ALL patients. Targeted activation of TMEM173 in specific cells might provide new therapeutic strategi...
The poor prognosis of sepsis warrants the investigation of biomarkers for predicting the outcome. Several studies have indicated that PANoptosis exerts a critical role in tumor initiation and developm...
We obtained Sepsis samples and scRNA-seq data from the GEO database. PANoptosis-related genes were subjected to consensus clustering and functional enrichment analysis, followed by identification of d...
Unsupervised clustering analysis using 16 PANoptosis-related genes identified three subtypes of sepsis. Kaplan-Meier analysis showed significant differences in patient survival among the subtypes, wit...
We developed a machine learning based Boruta algorithm for profiling PANoptosis related subgroups with in predicting survival and clinical features in the sepsis....
Macrophages play an important role in the occurrence and development of atherosclerosis. However, few existing studies have deliberately analyzed the changes in characteristic genes in the process of ...
Carotid atherosclerotic plaque single-cell RNA (scRNA) sequencing data were analyzed to define the cells involved and determine their transcriptomic characteristics. KEGG enrichment analysis, CIBERSOR...
Nine cell clusters were identified. M1 macrophages, M2 macrophages, and M2/M1 macrophages were identified as three clusters within the macrophages. According to pseudotime analysis, M2/M1 macrophages ...
IL1RN...
