다양한 ChIPseq 데이터 유형의 게놈 차원의 분석을위한 소설 베이지안 변경 - 포인트 알고리즘
Summary
우리 베이지안 변경 포인트 (BCP)이 알고리즘은 숨겨진 마르코프 모델을 통해 모델링 변화 포인트의 최신 발전을 토대로와 염색질 immunoprecipitation 시퀀싱 (ChIPseq) 데이터 분석에 적용됩니다. BCP는 광범위하고 작은 반점이있는 두 데이터 유형에서 잘 수행하지만, 정확하게 확산 히스톤 농축의 강력한 재현 섬을 식별하는 탁월한.
Abstract
ChIPseq은 단백질 DNA의 상호 작용을 조사에 널리 사용되는 기술이다. 읽기 밀도 프로파일은 단백질 바인딩 된 DNA의 차세대 시퀀싱을 사용하고 참조 게놈을 읽어 짧은 정렬에 의해 생성됩니다. 강화 지역은 종종 대상 단백질 하나에 따라, 모양에 크게 차이가 봉우리로 공개되어 있습니다. 예를 들어, 전사 인자는 종종 사이트 및 시퀀스 특정 방식으로 바인딩하고 히스톤 수정이 더 퍼질 수 있으며 농축 2 확장, 확산 섬을 특징으로하는 동안, 작은 반점이있는 봉우리를 생산하는 경향이 있습니다. 안정적으로이 지역을 식별하는 것은 우리의 일의 초점이었다.
ChIPseq 데이터를 분석 알고리즘은 휴리스틱 3-5에서 더 엄격한 통계 모델에 대한 다양한 방법론, 예를 들어 숨겨진 마르코프 모델 (HMMs) 6-8을 고용하고 있습니다. 우리는 어려운 – 투 – 정의, 특별 매개 변수 그렇게 자주의 필요성을 최소화 솔루션을 추구해상도를 손상시키고 도구의 직관적 인 사용성을 줄일. HMM 기반의 방법과 관련하여, 우리는 매개 변수 추정 절차 및 자주 이용되는 단순한, 유한 상태 분류를 절감 할 목적으로.
또한, 기존의 ChIPseq 데이터 분석의 범주를 포함하여 해당 도구의 후속 응용 프로그램에 의해 다음에 작은 반점이있는 또는 확산 중 하나로 밀도 프로파일을 읽어 예상. 우리는 더 유능하게 데이터 유형의 전체 스펙트럼을 해결 할 수있는 하나의 더 다양한 모델과 함께 두 개의 모델에 대한 필요성을 대체 할 목적으로.
이러한 목표를 달성하기 위해, 우리는 먼저 통계 프레임 워크를 구축 만 명시 적으로 활용 HMMs 9 최첨단 사전, 수식을 성능의 이점에 중요한 혁신을 사용하여 자연스럽게 모델 ChIPseq 데이터 구조. 보다 정교한 그리고 경험적 모델, 우리 HMM는 무한을 통해 숨겨진 상태를 수용베이스 모델입니다. 우리는 더 농축의 세그먼트를 정의 읽어 밀도에 적절한 변경 사항을 식별에 적용. 우리의 분석은 우리의 베이지안 변경 포인트 (BCP) 알고리즘은 감소 계산 복잡성-입증 요약 실행 시간과 메모리 사용량에 의해를 가지고 방법을 공개했다. BCP 알고리즘이 성공적으로 강력한 정확성과 제한된 사용자 정의 매개 변수 작은 반점이있는 산봉우리와 확산 섬 식별에 모두 적용되었습니다. 이 도시의 다양한 기능과 사용의 용이성 모두. 따라서, 우리는이 그것을 연구 그룹 간의 협력과 확증에 도움이 수 ChIPseq 데이터 분석을위한 훌륭한 도구 만들기, 쉽게 비교하고 대조하는 방법으로 데이터 유형 및 최종 사용자의 광범위한 범위에 걸쳐 쉽게 구현 될 수있다 생각합니다. 여기, 우리는 유용성을 설명하기 위해 기존의 전사 인자 10,11 및 epigenetic 데이터를 12 BCP의 응용 프로그램을 보여줍니다.
Protocol
Representative Results
Discussion
우리는 동일하게 모두 작은 반점이있는 및 확산 데이터 구조를 식별 할 수 ChIPseq 데이터를 분석하기위한 모델을 개발하기 시작했다. 지금까지 농축의 지역, 대형 섬 크기의 presupposed 기대를 반영 특히 확산 지역, 식별하기 어려운되었습니다. 이러한 문제를 해결하기 위해, 우리는 기존의 경험적 모델과 적은 혁신적인 HMMs 이상의 많은 장점을 가지고 HMM 기술의 가장 최근의 진보를 활용.
<p class="j…Disclosures
The authors have nothing to disclose.
Acknowledgements
스타 기초 상 (MQZ), NIH 보조금 ES017166 (MQZ), NSF 부여 DMS0906593 (HX).
Materials
| Name of the reagent | Company | Catalogue number | Comments (optional) |
| 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).
