Arem Alineación de lecturas por expectativa-maximización
Descargar ahora

Arem Clasificación y resumen

Arem Etiquetas

expectativa lee alinear lee Maximización de la expectativa alinear

Arem Descripción

Alineación de lecturas por expectativa-maximización AREM está basado en MAC (análisis basado en modelos para datos de chip-seq). La secuenciación de alto rendimiento acoplada a la inmunotripitación de cromatina (chip-seq) se usa ampliamente en la caracterización de los patrones de unión al genoma de los factores de transcripción, los cofactores, los modificadores de la cromatina , y otras proteínas de unión al ADN. Un paso clave en el análisis de datos de la CHIP-SEQ es para asignar lecturas cortas de la secuenciación de alto rendimiento a un genoma de referencia e identificar regiones pico enriquecidas con lecturas cortas. Aunque se han propuesto varios métodos para el análisis de CHIP-SEQ, la mayoría de los métodos existentes solamente Considere las lecturas que se pueden colocar de forma única en el genoma de referencia y, por lo tanto, tienen una potencia baja para detectar picos indicados dentro de las secuencias de repetición. Aquí presentamos un enfoque probabilístico para el análisis de datos de CHIP-SEQ que utiliza todas las lecturas, lo que proporciona una visión verdaderamente genoma de los patrones de unión. Las leas se modelan utilizando un modelo de mezcla correspondiente a las k regiones enriquecidas y un fondo genómico nulo. Utilizamos la máxima probabilidad a estimar las ubicaciones de las regiones enriquecidas e implementar un alagritmo de expectativa-maximización (EM), llamado AREM, para actualizar las probabilidades de alineación de cada lectura a diferentes ubicaciones genómicas. Para obtener información adicional, consulte nuestro papel en Recomb 2011 o visite nuestro sitio web: http://cbcl.ics.uci.edu/aremarem se basa en la popular persona que llama Macs Peak, como se describe a continuación: Con la mejora de las técnicas de secuenciación, la inmunoprecipitación de cromatina seguida de una secuenciación de alto rendimiento (Chip- SEC) se está volviendo popular para estudiar interacciones de la proteína-ADN de ancho genoma. Para abordar la falta de potente método de análisis de CHIP-SEQ, presentamos un nuevo algoritmo, denominado análisis basado en modelos de chip-seq (Mac), para identificar los sitios de unión al factor de transcripción. Las PACS capturan la influencia de la complejidad del genoma para evaluar la importancia de Las regiones de chip enriquecidas, y Mac mejora la resolución espacial de los sitios de unión a través de la combinación de la información de la posición de la etiqueta de secuenciación y la orientación. Las Mac se pueden usar fácilmente para los datos de CHIP-SEQ solos, o con la muestra de control con el aumento de la especificidad. Requisitos: · Python

Arem Software relacionado