Summary
हमारे Bayesian बदलें प्वाइंट (BCP) एल्गोरिथ्म हिडन मार्कोव मॉडल के माध्यम से मॉडलिंग परिवर्तन अंक में राज्य के कला अग्रिम पर बनाता है और उन्हें chromatin immunoprecipitation (ChIPseq) डेटा विश्लेषण अनुक्रमण के लिए लागू होता है. BCP दोनों व्यापक और कबरा डेटा प्रकार में अच्छी तरह से करता है, लेकिन सही फैलाना histone संवर्धन के मजबूत, प्रतिलिपि प्रस्तुत करने योग्य द्वीपों की पहचान करने में excels.
Protocol
1. BCP विश्लेषण के लिए इनपुट फाइल की तैयारी
- पढ़ता कम उपयुक्त संदर्भ पसंदीदा कम पढ़ा संरेखण सॉफ्टवेयर का उपयोग कर जीनोम रन (चिप और इनपुट पुस्तकालयों) अनुक्रमण से उत्पादित संरेखित करें. मैप किए गए स्थानों 6 स्तंभ ब्राउज़र एक्स्टेंसिबल (बीएड) 13 प्रारूप (UCSC जीनोम ब्राउज़र, डेटा के लिए परिवर्तित किया जाना चाहिए http://genome.ucsc.edu/ ), मैप किए गए टैब - सीमांकित प्रति एक लाइन पढ़ने के लिए मैप किए गए गुणसूत्र का संकेत, स्थिति शुरू (0-आधारित), अंत की स्थिति (आधे खुले), नाम, स्कोर (वैकल्पिक), किनारा और पढ़ें.
2a. प्रोफाइल फैलाना पढ़ें: Preprocessing चिप फैलाना डाटा में समृद्ध द्वीप समूह का पता लगाने के लिए घनत्व पढ़ें
- एक पूर्व निर्धारित टुकड़ा लंबाई, यानी चिप और इनपुट मैप किए गए स्थानों को बढ़ाएँ. टुकड़ा आकार एंजाइम पाचन या डीएनए के sonication के दौरान 200 बीपी के आसपास आम तौर पर लक्षित है. Fragment मायने रखता है तो aggregaआसन्न डिब्बे में टेड. डिफ़ॉल्ट रूप से, बिन आकार 200 बीपी की अनुमानित टुकड़ा लंबाई करने के लिए सेट कर दिया जाता है.
- किसी भी संभावित परिवर्तन अंक समान पढ़ा गिनती के साथ डिब्बे का एक सेट में सबसे अधिक होने की संभावना सबसे बाहरी सीमाओं पर गिर जाएगी. तदनुसार, यह असंभव है कि एक परिवर्तन बिंदु ही पढ़ा गिनती के साथ दो डिब्बे के बीच एक आंतरिक सीमा में हो जाएगा. तो, समूह समान साथ सटे डिब्बे, बिन प्रति एक ब्लॉक, अर्थात् में पढ़ता है. bedGraph प्रारूप 13.
2b. Preprocessing और Peaks के कबरा डेटा में पता लगाने के लिए चिप इनपुट BED फ़ाइलें: कबरा पढ़ें प्रोफाइल
- अतिव्यापी सकल प्लस और माइनस किनारा चिप अलग पढ़ता के लिए पढ़ता है. किनारा विशिष्ट पढ़ा घनत्व प्लस और ऋण चोटियों के एक bimodal प्रोफाइल फार्म चाहिए. प्लस / ऋण सबसे समृद्ध चोटियों में से एक जोड़े को चुनें और पुस्तकालय टुकड़ा लंबाई के लिए एक अनुमान के रूप में अपने शिखर के बीच की दूरी का उपयोग करें.
- Shift चिप और इनपुट 1/2 टुकड़ा ले पढ़ताकेंद्र और पुनर्गणना स्थानांतरित कर दिया और विलय और अधिक ऋण किनारा पढ़ता पढ़ा घनत्व ngth. टुकड़ा लंबाई का आकलन करने के लिए इस पद्धति जांग, एट अल 3 से अपनाया गया था. समान मर्ज की गिनती के साथ पोजिशन ब्लॉक, समान 2a.2 कदम में बांटा जाना चाहिए.
3. का अनुमान लगाएँ पोस्टीरियर हमारे BCMIX सन्निकटन का उपयोग कर प्रत्येक ब्लॉक के घनत्व पढ़ें मीन
- प्रत्येक ब्लॉक के पढ़ा घनत्व एक पॉसों वितरण के रूप में मॉडलिंग की है, POI (θ टी), गामा वितरण के एक मिश्रण के बाद एक मतलब पैरामीटर, Γ (α, β) के साथ, और किसी भी ब्लॉक की सीमा पर होने वाली एक परिवर्तन बिंदु के एक पूर्व संभाव्यता पी के pois पर जी (θ टी) कंडीशनिंग (α, β) प्रभावी ढंग से मॉडल एक अनंत राज्य हम्म renders. अति पैरामीटर, α, β, और पी, अधिकतम पीछे संभावना का उपयोग का अनुमान है.
- के लिए स्पष्ट रूप से Bayes अनुमानों की गणनाप्रत्येक ब्लॉक, θ टी, ई (θ टी | γ Z). अधिक पारंपरिक लेकिन समय लेने आगे बदलें और पिछड़े अधिक computationally कुशलता से घिरा जटिलता मिश्रण सन्निकटन के साथ अक्सर HMMs में इस्तेमाल किया फिल्टर, पीछे अर्थ का अनुमान लगाने के लिए, θ ग. जिसके परिणामस्वरूप पीछे अर्थ है एक अनुमानित piecewise निरंतर प्रोफ़ाइल में "smoothed" तो समान, θ ग के साथ ब्लॉक आगे अद्यतन सीमा निर्देशांक के साथ किया जाना चाहिए साथ अवरुद्ध हो जाएगा.
4a. फैलाना संवर्धन के क्षेत्रों में पोस्ट प्रक्रिया पोस्टीरियर मतलब: प्रोफाइल पढ़ें फैलाना
- इनपुट की संख्या पृष्ठभूमि दर के रूप में प्रत्येक नए θ ग ब्लॉक प्रति POIs (एक λ) पढ़ता है, का उपयोग और संवर्धन एक सरल परिकल्पना है कि चिप पीछे मतलब है, θ ग, कुछ सीमा δ से अधिक के आधार पर परीक्षण का उपयोग कर निर्धारित. 90 वें <समर्थन /> quantile डिफ़ॉल्ट घ है और ज्यादातर मामलों में उपयुक्त है.
- मर्ज आसन्न θ ग ब्लॉक कि एक ही क्षेत्र और रिपोर्ट मर्ज सरल बिस्तर प्रारूप में निर्देशांक में संवर्धन से अधिक. वैकल्पिक रूप से, एक bedGraph प्रारूप में प्रत्येक ब्लॉक करने के लिए पढ़ने के घनत्व अनुमान के उच्च संकल्प विवरण की रक्षा के लिए θ ग की रिपोर्ट कर सकते हैं.
4b. पीक उम्मीदवारों में पोस्टीरियर के बाद प्रक्रिया का मतलब है: कबरा प्रोफाइल पढ़ें
- पृष्ठभूमि दर को परिभाषित करें, pois (एक λ), और सभी पढ़ा गिनती के औसत γ (2) के रूप में सभी ब्लाकों जो सीमा, घ से अधिक की पहचान. चूंकि कबरा चोटियों को और अधिक समृद्ध काफी होने की उम्मीद कर रहे हैं, डिफ़ॉल्ट δ POI के 99 वें quantile (λ एक) के लिए सेट कर दिया जाता है.
- उम्मीदवार शिखर शिखर सम्मेलन के रूप में अधिक से अधिक θ ग के साथ ब्लॉक सेट और ब्लॉक है कि एक समान पढ़ें मांद flanking adjoinsity (± 1 पढ़ने के मामूली बदलाव के लिए अनुमति देने के लिए गिनती). यह adjoined क्षेत्र में एक उम्मीदवार बाध्यकारी साइट के रूप में परिभाषित किया गया है.
- चिप उम्मीदवार बाध्यकारी साइट और परिकल्पना परीक्षण में औसत पढ़ा मायने रखता है के रूप में 2 λ की गणना इस बनाम इनपुट पृष्ठभूमि शून्य परिकल्पना थे, एच 0 है, कि 1 λ ≥ 2 λ और एच 0 अस्वीकार एक P-मूल्य सीमा पर आधारित है. बिस्तर प्रारूप में आउटपुट उम्मीदवार चोटियों.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
BCP histone संशोधन डेटा में व्यापक संवर्धन के क्षेत्रों की पहचान करने में excels. संदर्भ का एक बिंदु के रूप में, हम पहले SICER 3, एक मौजूदा उपकरण है जो मजबूत प्रदर्शन का प्रदर्शन किया है उन लोगों के लिए हमारे परिणामों की तुलना में. सबसे अच्छा BCP फायदे का वर्णन करने के लिए, हम एक histone संशोधन है कि अच्छी तरह से किया गया था सफलता दर का आकलन करने के लिए एक नींव स्थापित अध्ययन की जांच की. इस के साथ दिमाग में, हम तो H3K36me3 का विश्लेषण किया है, क्योंकि यह करने के लिए सक्रिय रूप से लिखित जीन निकायों (1 चित्रा) के साथ दृढ़ता से संबद्ध करने के लिए दिखाया गया है. इसके विपरीत, H3K36me3 भी दमनकारी H3K27me3 के निशान के लिए आपसी अनन्य होना था दिखाया गया है. हम आगे इन ज्ञात रिश्तों leveraged ज्ञात संघों और disassociations साथ ओवरलैप के अंश प्रभाव सहसंबंध और विरोधी सहसंबंध में, निर्धारित द्वारा द्वीप कॉल की सटीकता में BCP के प्रदर्शन लाभ वर्णन. यहाँ, हम आगे BCP के फायदे के अतिरिक्त उदाहरण का उपयोग को पुष्टउच्च प्रदर्शन.
बड़े द्वीपों H3K36me3 संवर्धन के व्यापक फैलाना द्वीपों के पारंपरिक उम्मीद के साथ लाइन में और अधिक किया जा रहा है, हमारी पूर्ववर्ती काम बहुत बड़ा द्वीप BCP में आकार, 23.9-25.8 केबी SICER की तुलना में, 2.7-10.7 केबी के लिए एक प्रवृत्ति का प्रदर्शन (PLoS Comp जैव, प्रस्तुत). बेशक, बड़े द्वीपों अकेले सटीकता संकेत नहीं करते. तो, हम निर्धारित कितना इन क्षेत्रों ओवरलैप ज्ञात जीन के साथ था और intergenic अंतरिक्ष के साथ ओवरलैप की डिग्री, झूठी सकारात्मक दर (fpr) का एक संकेत के साथ इस विपरीत. Intergenic ओवरलैप 0.89 से 0.90 और 0.85 से 0.98 BCP और SICER में रेंज, क्रमशः, BCP में जीन कवरेज 0.276 SICER में 0.437 की तुलना में 0.492 से 0.497 करने के लिए लेकर गंभीर fpr को प्रभावित किए बिना. यहाँ, हम एक अतिरिक्त प्रतिनिधि संवर्धन और जीन की सीमाओं के बीच करीबी रिश्ता निकायों स्पष्ट रूप से सक्रिय और दमन करना भेद प्रदर्शित क्षेत्र उपस्थितएड प्रतिलेखन (1 चित्रा). यह आगे हमारा दावा है कि BCP निकट जीन शरीर के लिए गठबंधन की सीमाओं के साथ H3K36me3 द्वीपों द्वारा intergenic अंतरिक्ष, दमित प्रतिलेखन के साथ जीन, या H3K27me3 दमनकारी निशान के साथ झूठी सकारात्मक ओवरलैप की डिग्री बढ़ाने के बिना सक्रिय जीनों के उच्च ओवरलैप रखता का समर्थन करता है.
जबकि BCP द्वीप के reproducibility का आकलन दो दोहराने डेटा सेट में कहता है, हमने देखा BCP प्रतिस्पर्धा एल्गोरिथ्म, SICER में पढ़ने कवरेज गहराई पर भारी निर्भरता से ग्रस्त नहीं था. हम BCP और अतिरिक्त अलग क्षेत्रों की जांच कम कवरेज गहराई (नमूना द्वारा नकली पूरा डेटा सेट से पढ़ता है) (2 चित्रा) के बावजूद लगातार द्वीप सीमाओं का प्रदर्शन द्वारा मजबूती reproducibility के अतिरिक्त सबूत प्रदान करते हैं.
पूरी तरह से BCP की बहुमुखी प्रतिभा का प्रदर्शन करने के लिए, हम histone संशोधन डेटा की एक व्यापक स्पेक्ट्रम प्राप्त, कबरा निशान सहितएस H3K27ac, H3K9ac, और H3K4me3, और विसरित निशान, H3K9me3 के अलावा H3K27me3 और H3K36me3. हम इन आंकड़ों का विश्लेषण दोनों BCP और SICER (3 चित्रा) के लिए डिफ़ॉल्ट पैरामीटर सेटिंग्स सेट का उपयोग कर. ये निशान घनत्व प्रोफाइल पढ़ सकते हैं और हमें एक क्षेत्र है कि आमतौर पर उन लोगों के साथ जुड़े सुविधाओं के कई दिखाता है पर ध्यान केंद्रित करने के लिए अनुमति का एक व्यापक रेंज का प्रतिनिधित्व करते हैं. केंद्र में सक्रिय प्रतिलेखन अंकन PXDN जीन में H3K36me3 संवर्धन निहित है. प्रतिलेखन शुरू साइट पर उम्मीद गिरने अतिरिक्त कबरा, सक्रिय निशान, H3K27ac, H3K9ac, और H3K4me3 हैं. बस PXDN के बहाव intergenic H3K27me3 संवर्धन द्वारा चिह्नित अंतरिक्ष दमित है. विपरीत दिशा में एक H3K27me3 दमित जीन निहित है. बाहर एक और कदम आगे बढ़ते chromatin खामोश हैं, के रूप में जो एक कम क्षणिक भावना फिर H3K27me3 दमन में SNTG2 और MYT1L का मुंह बंद, शायद संकेत मिलता है होता H3K9me3 संवर्धन की मौजूदगी से संकेत दिया है. इस घटना की क्षेत्र एन बहुमत शामिलhistone संशोधनों के ChIPseq में मुकाबला और दिखाता है कि कैसे BCP की गतिशील प्रकृति दोनों कबरा एसिटिलीकरण और H3K4me3 के निशान की पहचान है, जबकि एक ही समय में H3K27me3 और H3K9me3 दमन है और H3K36me3 सक्रिय प्रतिलेखन के बड़े सन्निहित द्वीपों भेद कर सकते हैं. को दोहराना, BCP डिफ़ॉल्ट सेटिंग्स पर बस इन विश्लेषण के ऐसे सभी करते हैं और कर सकते हैं, के रूप में प्रदर्शन किया, फिर भी गुणवत्ता परिणाम, डेटा प्रकार की परवाह किए बिना. एल्गोरिथ्म भी तेज और कुशल स्मृति है और इस प्रकार, है, एक व्यावहारिक सम्मोहक उपयोगिता प्रदान करता है.
चित्रा 1 histone संशोधनों के घनत्व प्रोफाइल पढ़ा फैलाना. (शीर्ष) और H3K36me3 H3K27me3 (नीचे) व्यापक, फैलाना संवर्धन जोरदार जीन निकायों (हरी बक्से) के साथ जुड़े द्वीपों उदाहरण देना. दमित जीन और intergenic अंतरिक्ष और tr के साथ सक्रिय anticorrelates के साथ H3K27me3 संबद्धanscribed जीन निकायों. विपरीत H3K36me3 के लिए सच है. डेटा UCSC जीनोम ब्राउज़र (में visualized है http://genome.ucsc.edu ).
चित्रा 2 BCP मजबूत और प्रतिलिपि प्रस्तुत करने योग्य है. द्वीप लिए H3K36me3 दो में replicates कॉल और पूर्ण दोहराने 1 डाटासेट के 50, 30, और 70% की गहराई नमूने BCP साथ विश्लेषण किया गया है. 2 दोहराने के लिए, एक काफी कम पढ़ा कवरेज के साथ, समान द्वीप कॉल का उत्पादन और ओवरलैप की डिग्री अत्यधिक प्रतिशत नमूने की परवाह किए बिना बनाए रखा गया था. इसके अलावा, इन द्वीपों सटीकता RefSeq जीन शरीर एनोटेशन के साथ सीमाओं के करीब संरेखण में देखा के रूप में बने रहे.
चित्रा 3. BCP विपरीतटाइल एल्गोरिथ्म है कि सभी histone संशोधनों डेटा प्रकार के लिए लागू किया जा सकता है. BCP और SICER डेटा प्रकार के सरगम का विश्लेषण, H3K27ac, H3K9ac, और H3K4me3 तरह कबरा निशान से है, जैसे H3K36me3, H3K27me3, और H3K9me3 अंक फैलाना करने के लिए इस्तेमाल किया गया. दोनों एल्गोरिदम के लिए डिफ़ॉल्ट मापदंडों का उपयोग, BCP द्वीप समृद्ध घनत्व उनकी चौड़ाई की परवाह किए बिना कब्जा जबकि SICER अक्सर कई उप द्वीपों में क्षेत्रों टुकड़े. यहां तक कि अत्यधिक व्यापक और फैलाना H3K9me3 के मामले में, BCP उचित प्रदर्शन किया है.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
हम बाहर सेट के लिए कि दोनों कबरा और फैलाना डेटा संरचनाओं को समान रूप से अच्छी तरह से पहचान सकता है ChIPseq डेटा का विश्लेषण करने के लिए एक मॉडल का विकास. अब तक, संवर्धन के क्षेत्रों, विशेष रूप से फैलाना क्षेत्रों, जो बड़े द्वीप आकार के पूर्वकल्पित उम्मीद को प्रतिबिंबित करती है, की पहचान करने के लिए मुश्किल हो गया है. इन समस्याओं का समाधान करने, हम हम्म प्रौद्योगिकी में सबसे हाल के अग्रिमों जो मौजूदा अनुमानी मॉडल और कम अभिनव HMMs पर कई फायदे के अधिकारी का उपयोग किया.
हमारा मॉडल स्पष्ट फार्मूले के साथ एक Bayesian ढांचे का उपयोग करता है. यह अन्य HMMs से एक महत्वपूर्ण अंतर है, कि यह हमें पीछे मतलब की गणना करने के लिए सक्षम बनाता है, प्रत्येक खंड के घनत्व को पढ़ने, सरल गणित के साथ मार्कोव श्रृंखला मोंटे कार्लो तरीकों जैसे समय लेने वाली और computationally महंगा सिमुलेशन पर भरोसा करने के बजाय, उम्मीद है. नतीजतन, हमारे अभिकलन समय और स्मृति आवश्यकताओं को नाटकीय रूप से कम कर रहे हैं. उच्च प्रदर्शन गणना समूहों वाई का उपयोगवें दोहरे कोर, 64 बिट स्मृति के 2 जीबी का विश्लेषण करने के साथ 2.0 गीगा नोड्स ~ 23,000,000 H3K27me3 पढ़ता या ~ लाख 21 H3K36me3 पढ़ता है, BCP अन्य तरीकों के लिए आवश्यक दिनों के लिए कई घंटे की तुलना में पूरे जीनोम विश्लेषण के लिए एक घंटे से भी कम समय लिया. इन timesavings केवल स्मृति का मामूली 2 जीबी के साथ प्राप्त किया जा सकता है.
इसके अतिरिक्त, हमारे मॉडल शर्तों के विभिन्न प्रकार के प्रत्येक खंड, यानी. (Θ) pois, एक निरंतर गामा वितरण पर. मूलतः, यह प्रत्येक खंड के लिए अनंत संभव राज्यों के लिए अनुमति देता है. BCP समृद्ध बनाम पृष्ठभूमि साधारण बाइनरी वर्गीकरण से अधिक प्रदान करने और उत्पादन पीछे साधनों के माध्यम से हर क्षेत्र के लिए पढ़ने घनत्व magnitudes भी कर सकते हैं.
हम भी कम्प्यूटेशनल दक्षता के लिए BCMIX एल्गोरिथ्म का उपयोग कर. यह संवर्धन और सभी संभव जीनोमिक पदों की पृष्ठभूमि के बीच बदलने के अंक के लिए एक के पास संपूर्ण खोज में सक्षम बनाता है. यह बढ़ नहीं ग संकल्प प्रदान करता हैमनमाने ढंग से खिड़की परिभाषाओं से चलाने के लिए समय या स्मृति की मांग पर थोड़ा प्रभाव के साथ, onfined.
यह सब दोनों सिद्धांत में perturbing सटीकता, बिना पूरा किया है, के बाद से इस मॉडल सांख्यिकीय कठोर है और परिणाम Bayesian अनुमानक एकाग्र, के रूप में अच्छी तरह से व्यवहार में, जैसा कि हम यहाँ दिखा दिया है. जीन कवरेज हमारे H3K36me3 परिणामों के सुझाव द्वीप कॉल अत्यधिक ज्ञात परस्पर अपवर्जित intergenic अंतरिक्ष या H3K27me3 संवर्धन में अतिक्रमण के बिना सही कर रहे हैं. परिणाम उल्लेखनीय प्रतिलिपि प्रस्तुत करने योग्य और मजबूत कर रहे हैं और गहन कवरेज पर थोड़ा निर्भरता से पता चला है, के रूप में 30% के रूप में कम नमूना गहराई के बावजूद उच्च जीन कवरेज और कम fpr के साथ इसी तरह की द्वीपों बुला. BCP मोटे तौर पर इस्तेमाल किया गया था, डिफ़ॉल्ट पैरामीटर के लिए किसी भी समायोजन के बिना, histone संशोधन और प्रतिलेखन कारक ChIPseq डेटा की एक विस्तृत सरणी का विश्लेषण और सभी मामलों में अच्छा प्रदर्शन किया है. हमें उम्मीद है कि इसकी उच्च सटीकता, मजबूती, और reproducibility के कारण, BCP एक प्रभावी रूप में काम करेंगेडेटा विश्लेषण, सहयोग, और भविष्य में मंडन के लिए उपकरण.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ब्याज की कोई संघर्ष की घोषणा की.
Acknowledgments
स्टार फाउंडेशन (MQZ) पुरस्कार, NIH अनुदान (MQZ) ES017166, NSF अनुदान DMS0906593 (सेमी).
Materials
| Name | Company | Catalog Number | Comments |
| Linux-based workstation |
References
- Park, P. J. ChIP-seq: advantages and challenges of a maturing technology. Nat. Rev. Genet. 10, 669-680 (2009).
- Barski, A., et al. High-resolution profiling of histone methylations in the human genome. Cell. 129, 823-837 (2007).
- Zhang, Y., et al. Model-based Analysis of ChIP-Seq (MACS). Genome Biol. 9, R137 (2008).
- Zang, C., et al. A clustering approach for identification of enriched domains from histone modification ChIP-Seq data. Bioinformatics. 25, 1952-1958 (2009).
- Jothi, R., Cuddapah, S., Barski, A., Cui, K., Zhao, K. Genome-wide identification of in vivo protein-DNA binding sites from ChIP-Seq data. Nucleic Acids Res. 36, 5221-5231 (2008).
- Qin, Z. S., et al. HPeak: an HMM-based algorithm for defining read-enriched regions in ChIP-Seq data. BMC Bioinformatics. 11, 369 (2010).
- Song, Q., Smith, A. D. Identifying dispersed epigenomic domains from ChIP-Seq data. Bioinformatics. 27, 870-871 (2011).
- Spyrou, C., Stark, R., Lynch, A. G., Tavaré, S. BayesPeak: Bayesian analysis of ChIP-seq data. BMC Bioinformatics. 10, 299 (2009).
- Lai, T., Xing, H. A simple Bayesian approach to multiple change-points. Statistica Sinica. , (2011).
- Robertson, G., et al. Genome-wide profiles of STAT1 DNA association using chromatin immunoprecipitation and massively parallel sequencing. Nat. Methods. 4, 651-657 (2007).
- Stitzel, M. L., et al. Global epigenomic analysis of primary human pancreatic islets provides insights into type 2 diabetes susceptibility loci. Cell Metab. 12, 443-455 (2010).
- Bernstein, B. E., et al. The NIH Roadmap Epigenomics Mapping Consortium. Nat. Biotechnol. 28, 1045-1048 (2010).
- Karolchik, D., et al. The UCSC Table Browser data retrieval tool. Nucleic Acids Res. 32, 493-496 (2004).
- Matys, V., et al. TRANSFAC: transcriptional regulation, from patterns to profiles. Nucleic Acids Res. 31, 374-378 (2003).
- Portales-Casamar, E., et al. JASPAR 2010: the greatly expanded open-access database of transcription factor binding profiles. Nucleic Acids Res. 38, D105-D110 (2010).
