A Novel Bayesiaanse Change-point algoritme voor Genoom-brede analyse van diverse ChIPseq Data Types
10 december 2012
Onze Bayesiaanse Change Point (BCP) algoritme is gebaseerd op state-of-the-art ontwikkelingen in het modelleren change-punten via Hidden Markov Models en past deze toe op chromatine immunoprecipitatie sequencing (ChIPseq) data-analyse. BCP presteert goed in zowel brede en punctata data types, maar blinkt uit in nauwkeurig identificeren van robuuste, reproduceerbare eilanden van diffuse histon verrijking.
Het algemene doel van het volgende experiment is om de dichtheid van in kaart gebrachte leesposities uit chromatine immunoprecipitatie sequencing-gegevens te gebruiken om de achterwaartse gemiddelde leesdichtheid over het hele genoom te schatten. Dit wordt bereikt door de gemapte ChIP-seq-leesgegevens voor te verwerken in geblokkeerde dichtheidsprofielen met hetzelfde aantal leesgegevens in niet-overlappende bins van 200 basenparen.
Aangrenzende bins met dezelfde dichtheid worden in een tweede stap samengevoegd tot een groter blok waarna de achterwaartse gemiddelde dichtheden van elk blok recursief worden berekend binnen de context van alle omringende blokken met behulp van een Bayesiaans model met voorwaartse en achterwaartse filters. Hierbij wordt het aantal leesgegevens voor een blok gemodelleerd met een Poisson-verdeling met een theta-parameter die een gamma-priorverdeling aanneemt met alfa- en betaparameters. Vervolgens worden de achterwaartse gemiddelde dichtheidsschattingen van elk blok geëvalueerd op significantie op basis van of ze de 90e fractie overschrijden ten opzichte van de invoercontrole achtergronddichtheid om de uiteindelijke verrijkte genoomsegmentenresultaten te verkrijgen die de progressie van ruwe gesequencede leesgegevens tot achterwaartse gemiddelde leesdichtheidschattingen en uiteindelijk verrijkte eilanden op ChIP-seq-gegevens tijdens BCP-analyse illustreren.
Bovendien laten de resultaten zien dat BCP beter presteert dan een concurrerende tool cer. Het belangrijkste voordeel van deze techniek ten opzichte van bestaande methoden zoals CER is dat BCP de meest recente A-vooruitgang in verborgen markermodellen gebruikt, zodat het de nuance van chipsy-gegevensanalyse beter karakteriseert dan eerdere heuristische methoden. Deze methode kan sleutelvraagstukken in het epigenomicsveld helpen beantwoorden, zoals de rol van histomodificaties door de karakterisering van hun genoombrede verrijkingspatronen.
Hoewel deze patiëntmethode inzicht kan geven in ChIP-seq-gegevensanalyse, kan het basisraamwerk ook worden toegepast op andere volgende generatie sequencing-gegevensanalyse, zoals het identificeren van differentieel gemethyleerde regio's in bis Sufi-sequencinggegevens, nieuwe transcriptieloci in RNA-Seq, copy number variatie of elk aantal microarray-tilinggegevens. Visuele demonstratie van deze methode is essentieel voor een duidelijk begrip van de methodologie en de voordelen ervan. De theoretische voordelen zijn verborgen in de software.
Alle procedurele stappen die hier worden gedemonstreerd, zijn verpakt in een enkel uitvoerbaar bestand in het BCP-softwarepakket, dat beschikbaar is om te downloaden in deze video. De stappen die door het programma worden uitgevoerd, worden beschreven om de software te runnen. Er zijn drie parameters vereist.
Een bestand met uniek in kaart gebrachte leesgegevens uit een chip-monster en een vergelijkbaar bestand voor invoercontroleleesgegevens, evenals een uitvoerbestandsnaam om invoerbestanden voor BCP-analyse voor te bereiden. Eerst worden de korte leesgegevens die zijn geproduceerd uit sequencingruns uitgelijnd op het juiste referentiegenoom met behulp van de voorkeurssoftware voor het uitlijnen van korte leesgegevens. De in kaart gebrachte locaties moeten worden omgezet in de zeskolomige browseruitbreidbare gegevens of BED-indeling, een tab-gescheiden regel per in kaart gebracht leesgegevens die de in kaart gebrachte chromosoomstartpositie, eindpositie, leesnaam, score en streng aangeeft.
Verleng de chip- en invoermaplocaties tot een vooraf bepaalde fragmentlengte. Bijvoorbeeld, de fragmentgrootte die tijdens enzymdigestie of sonicatie van het DNA wordt gericht, meestal rond de 200 basenparen. Fragmenttellingen worden vervolgens geaggregeerd in aangrenzende bins.
Standaard is de bingrootte ingesteld op de geschatte fragmentlengte van 200 basenparen. Eventuele mogelijke veranderingspunten in een reeks bins met identieke hertellingen zullen waarschijnlijk vallen op de buitenste grenzen. Dienovereenkomstig is het onwaarschijnlijk dat een veranderingspunt zal voorkomen op een interne grens tussen twee bins met dezelfde aantallen leesgegevens.
Groep daarom aangrenzende bins met identieke leesgegevens per bin in een enkele blok. Nadat de invoerbestanden zijn voorbereid, roept u de BCP-schatting aan door simpelweg de opdracht in te typen die onderaan het scherm wordt weergegeven. De leesdichtheid van elk blok wordt gemodelleerd als een Poisson-verdeling met een gemiddelde parameter theta volgens een mengsel van gammaverdelingen met alfa- en betaparameters en een voorwaarschijnlijkheid van een veranderingspunt dat op elk blok kan optreden.
De grens van P-conditionering van elk blok op deze manier creëert effectief een verborgen Markov-model met oneindig aantal toestanden of HMM. De hyperparameters alfa, beta en P worden geschat met behulp van maximale achterwaartse waarschijnlijkheid. De bays-schattingen worden expliciet berekend voor elk blok theta sub T als de verwachting van theta sub T gegeven waarom sub T. De meer traditionele maar tijdrovende voorwaartse en achterwaartse filters die vaak in HMS worden gebruikt, worden vervangen door de rekenintensievere begrensde complexiteitsmengingsbenadering om achterwaartse gemiddelden theta hat sub T te schatten. De resulterende achterwaartse gemiddelden worden gladgestreken tot een benaderd stuksgewijs constant profiel, dus blokken met identieke theta hat sub T moeten verder worden geblokkeerd met bijgewerkte grenskoordinaten.
BCP gebruikt het aantal invoerleesgegevens per blok als achtergrondsnelheid en bepaalt verrijking. Met behulp van een eenvoudige hypothesetest op basis van of de gemiddelde dichtheid van de chip-positie voor een blok een bepaalde significantiedrempel overschrijdt. De 90e fractie is de standaarddrempel en is in de meeste gevallen geschikt.
BCP mergeert vervolgens aangrenzende achterwaartse gemiddelde dichtheidsblokken die de verrijking overschrijden tot een enkele regio en rapporteert de samengevoegde coördinaten in de browser. Uitbreidbare gegevensindeling BCP blinkt uit in het identificeren van regio's met brede verrijking in histonmodificatiegegevens. Hier. BCP-resultaten worden vergeleken met die van cser, een bestaand hulpmiddel dat sterke prestaties heeft gedemonstreerd in voorgaand werk van dit lab
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Deze studie presenteert een Bayesian Change Point (BCP) algoritme dat de analyse van chromatin immunoprecipitation sequencing (ChIP-seq) data verbetert. Door gebruik te maken van Hidden Markov Models identificeert BCP effectief regio's van histonenverrijking in zowel brede als punctate datatypen.
Belangrijkste studiecomponenten
Wetenschappelijk vakgebied
- Neurowetenschappen
- Genomica
- Bio-informatica
Achtergrond
- Chromatine-immunoprecipitatie sequencing (ChIP-seq) is een techniek die wordt gebruikt om eiwit-DNA-interacties te analyseren.
- Het identificeren van omslagpunten in genomische gegevens is cruciaal voor het begrijpen van regulatiemechanismen.
- Bayesiaanse modellen bieden een robuust kader voor statistische inferentie in complexe datasets.
- Hidden Markov Models zijn effectief voor het modelleren van sequenties met onderliggende toestandsveranderingen.
Doel van de studie
- Om een BCP-algoritme te ontwikkelen voor een verbeterde analyse van ChIP-seq-gegevens.
- Om regio's van histonverrijking nauwkeurig te identificeren.
- Om de reproduceerbaarheid en robuustheid bij genomische data-analyse te verhogen.
Gebruikte methoden
- Voorbewerking van ChIP-seq reads tot geblokkeerde dichtheidsprofielen.
- Berekening van posterieure gemiddelde dichtheden met behulp van een Bayesiaans model.
- Samenvoegen van aangrenzende bins met dezelfde dichtheid tot grotere blokken.
- Evaluatie van de significantie op basis van de achtergronddichtheid van de controle.
Belangrijkste resultaten
- BCP identificeert effectief verrijkte genomische segmenten vanuit ruwe ChIP-seq-data.
- Het algoritme vertoont een hoge nauwkeurigheid bij het detecteren van diffuse histonverrijking.
- De resultaten illustreren de overgang van ruwe reads naar posterior gemiddelde dichtheidsschattingen.
- Significante regio's worden bepaald op basis van kwantieldrempels.
Conclusies
- Het BCP-algoritme biedt een krachtig instrument voor het analyseren van ChIP-seq-data.
- Het verbetert de identificatie van biologisch relevante genomische regio's.
- Toekomstige toepassingen kunnen worden uitgebreid naar andere typen genomische data.
Veelgestelde vragen
Industriële Relevantie
Het Bayesian Change Point (BCP)-algoritme biedt een uniforme, parameter-arme benadering voor het identificeren van verrijkte genomische regio's in diverse typen ChIP-seq-gegevens, van punctuele binding van transcriptiefactoren tot diffuse eilanden van histonmodificaties. Door de afhankelijkheid van heuristische drempelwaarden en het wisselen van modellen te verminderen, verbetert BCP de reproduceerbaarheid en de vergelijkbaarheid tussen laboratoria bij de validatie van epigenomische targets. Dit ondersteunt mechanistische risicoreductie in de vroege ontdekkingsfase door statistisch onderbouwde, kwantitatieve profielen van de read-densiteit te leveren, die bijdragen aan de betrouwbaarheid van targets en de analyse van signaalpaden.
Strategische toepassingen in biofarmaceutische R&D
Vroege ontdekking & targetvalidatie
- Wetenschappelijke waarde: Maakt hypothesetoetsing van eiwit-DNA-interacties mogelijk door omslagpunten te identificeren die verrijkte segmenten definiëren, zonder dat voorafgaande classificatie van gegevens als punctaat of diffuus vereist is.
- Operationele waarde: Vermindert het aantal door de gebruiker gedefinieerde parameters en de computationele overhead, waardoor workflows voor doelwitvalidatie van transcriptiefactoren en histonmerkers worden gestroomlijnd.
- Voorspellende waarde: Levert gespreide, stuksgewijs constante posterior gemiddelde dichtheidsschattingen die de reproduceerbaarheid tussen replica's verbeteren en robuuste peak calling ondersteunen voor downstream functionele assays.
Screening & assayontwikkeling
- Wetenschappelijke waarde: Genereert gestandaardiseerde, op blokken gebaseerde dichtheidsprofielen die dienen als kwantitatieve inputs voor assay-ontwikkeling en compound-screening bij de ontdekking van epigenetische modulatoren.
- Operationele waarde: Voegt aangrenzende verrijkte blokken samen tot biologisch betekenisvolle regio's, waardoor foutieve fragmentatie wordt verminderd en de consistentie bij het genereren van readouts voor high-throughput screening wordt verbeterd.
- Schaalbaarheid: Aangetoonde robuuste prestaties over histone-modificatie-datasets, waaronder H3K27ac, H3K9ac, H3K4me3, H3K9me3, H3K27me3 en H3K36me3, ter ondersteuning van pan-epigenetische assay-standaardisatie.
Translationeel & Preklinisch Onderzoek
- Translationele continuïteit: Identificeert brede H3K36me3-eilanden die zijn uitgelijnd met actief getranscribeerde genlichamen, waardoor een koppeling mogelijk wordt tussen de epigenetische status en de transcriptionele output in ziekte-modellen.
- Mechanische risicoreductie: Behoudt een hoge specificiteit voor actieve genlichamen zonder de foutieve overlap met repressieve H3K27me3-regio's te vergroten, wat bijdraagt aan een betrouwbare interpretatie van epigenetische dysregulatie bij oncologie en neurodegeneratie.
- Relevantie voor preklinische modellen: Werkt over diverse histonmarkeringen heen, wat consistente epigenetische profilering mogelijk maakt in preklinische modellen van genregulatie en chromatineremodellering.
Integratie van Pipeline & Workflow
Het BCP-algoritme past in het ontdekkingscontinuüm van ruwe sequentiegegevens naar biologisch inzicht, en ondersteunt hypothese-gestuurde targetvalidatie, reproduceerbare epigenomische profilering en data-integratie over vroege screenings- en preklinische validatiefasen.
- Discovery-biologie: Ondersteunt hypothesetoetsing door ChIP-seq read-densiteit om te zetten in statistisch afgeleide veranderingspunten en verrijkte regio's, waardoor proteïne-DNA-interactiepatronen worden verduidelijkt.
- Screening: Maakt assay-klare definitie van genomische regio's mogelijk via reproduceerbare island calling, wat cruciaal is voor het evalueren van compound-effecten op epigenetische targets.
- Analytiek: Levert posterior gemiddelde dichtheidsschattingen en significantietoetsing ten opzichte van de inputcontrole, wat kwantitatieve metrieken genereert voor conditievergelijking en schatting van de effectgrootte.
- Translationeel onderzoek: Koppelt H3K36me3-verrijking aan gene body-dekking, wat biomarker-gealigneerde validatie van transcriptionele activiteit in ziekterelevante systemen ondersteunt.
- Enterprise-hergebruik: Verpakt als een enkel uitvoerbaar bestand met minimale parameterisatie, wat adoptie door verschillende teams en standaardisatie in epigenomische kernfaciliteiten faciliteert.
Operationele & Bedrijfsimpact
- Wetenschappelijke waarde: Verhoogt de betrouwbaarheid van targetvalidatie door mechanistische ambiguïteit te verminderen bij het identificeren van regulatoire regio's over datasets van histonmodificaties en transcriptiefactoren.
- Operationele waarde: Verbetert de reproduceerbaarheid en vermindert batch-effecten via Bayesiaanse smoothing en blokgebaseerde analyse, waardoor de afhankelijkheid van sequencingdiepte wordt geminimaliseerd.
- Strategische waarde: Ondersteunt betere go/no-go-beslissingen bij de prioritering van epigenetische targets door robuuste, vergelijkbare enrichment-calls te leveren over verschillende datatypen en laboratoria.
- Impact op portfolio: Maakt risico-gecorrigeerde voortgang van epigenetische targets mogelijk door statistisch onderbouwde, reproduceerbare enrichment-profielen te bieden die biologische fout-positieven verminderen.
Overwegingen voor de implementatie
- Vereist expertise in genomische data-analyse en bekendheid met sequencingdata in BED-formaat.
- Afhankelijk van standaardshort-read alignment-tools en genoomreferentiebestanden voor de preprocessing.
- Vereist een computationele infrastructuur die in staat is om geblokkeerde dichtheidsprofielen te verwerken en recursieve Bayesiaanse schattingen uit te voeren.
- Overwegingen voor adaptatie omvatten het aanpassen van de bin-grootte (standaard 200 bp) en de significantiedrempel (standaard 90e kwantiel) voor verschillende fragmentlengtes of signaal-ruisverhoudingen.
- Praktische beperking: de prestaties gaan uit van een voldoende read-dichtheid om stabiele blokken te vormen; regio's met een lage dekking kunnen een verhoogde sequencingdiepte of het samenvoegen van bins vereisen.
Veelgestelde vragen over biopharma
Chapters in this video
0:05
Title
2:43
Preprocessing: Preparing Input Files for Bayesian Change-point (BCP) Analysis & ChIP Read Densities for Detection of Enriched Islands in Diffuse Data
4:48
Estimating the Posterior Mean Read Density of Each Block using BCMIX Approximation
6:24
Post-processing Posterior Means of Diffuse Read Profiles
7:06
Results: Comparison of BCP and SICER in Analysis of Histone Modification Data
11:47
Conclusion
