威九国际

      发布于2017.7.10。单细胞转录组测序（scRNA SEQ)提供了转录随机性的的综合测量，但技术的局限性阻止了其应用来剖析RNA加工过程的可变性，如可变剪接等。

      因此，研究者们提出了BRIE（Bayesian regression for isoform estimation,贝叶斯回归等式估计），一种通过从序列特征学习信息先验分布来解决了这些问题的贝叶斯层次模型。研究表明，BRIE产生单细胞中外显子包含率的可重复估计，并为scRNA-seq数据集之间的异构体定量提供了有效工具。

用于异构体估算的BRIE方法示意图

      在不同剪接软件的比较中，BRIE在差异剪接分析中提供更高的灵敏度。

检测细胞间的差异剪切

      BRIE已实现为一个标准的Python包，免费下载地址：http://github.com/huangyh09/brie

      更多信息请参考原文：BRIE: transcriptome-wide splicing quantification in single cells.Genome Biology. DOI 10.1186/s13059-017-1248-5.