Arem. Allineamento Legge per la massimizzazione delle aspettative
Scarica ora

Arem. Classifica e riepilogo

Arem. Tag

aspettativa Reads. allineamento di letture aspettativa di massimizzazione allineamento

Arem. Descrizione

Allineamento letture per la massimizzazione delle aspettative AREM è una base su Macs (analisi basata su modello per i dati di chip-seq). Sequenziamento ad alta throughput accoppiato all'immuno-precipitazione della cromatina (chip-seq) è ampiamente utilizzato nel caratterizzare i modelli di legame di grandi dimensioni dei fattori di trascrizione, i cofattili, i modificatori della cromatina e altre proteine leganti del DNA. Un passaggio chiave nell'analisi dei dati di Chip-Seq è di mappare letture brevi dal sequenziamento ad alto throughput a un genoma di riferimento e identificare le regioni di picco arricchita da letture corte. Anche se sono stati proposti diversi metodi per l'analisi dei chip-seq, solo i metodi ex-isting Considera le letture che possono essere posizionate in modo univoco nel genoma di riferimento, e quindi hanno una bassa potenza per rilevare i picchi attorcigliati all'interno di sequenze ripetute. Qui introduciamo un approccio probabilistico per l'analisi dei dati di chip-seq che utilizza tutte le letture, fornendo una visione veramente del genoma di modelli di legame. I vantaggi sono modellati utilizzando un modello di miscela corrispondente alle regioni arricchite K e uno sfondo genomico null. Utilizziamo la massima probabilità per stimare le posizioni delle regioni arricchite e implementiamo un almotorimento di massimizzazione di aspettativa (EM), chiamato Arem, per aggiornare le probabilità di allineamento di ciascuna lettura a diverse posizioni genomiche. Per ulteriori informazioni, consultare la nostra carta in Ricomb 2011 o visitare il nostro sito web: http://cbcl.ics.uci.edu/aremarem si basa sul famoso Macs Peak Caller, come descritto di seguito: Con il miglioramento delle tecniche di sequenziamento, immunoprecipitazione della cromatina seguita da sequenziamento ad alto throughput (chip- Seq) si sta diventando popolare per studiare le interazioni proteiche-DNA-DNA del genoma. Per affrontare la mancanza di potente metodo di analisi di chip-seq, presentiamo un nuovo algoritmo, denominato analisi basata su modello di chip-seq (Mac), per identificare i siti di rilegatura del fattore di trascrizione. Imacs cattura l'influenza della complessità del genoma per valutare il significato di Le regioni dei chip arricchiti e i Mac migliorano la risoluzione spaziale dei siti vincolanti che combinano le informazioni sia della posizione e dell'orientamento del tag di sequenziamento. I Mac possono essere facilmente utilizzabili per i dati di chip-seq da soli o con il campione di controllo con l'aumento della specificità. Requisiti: · Python.

Arem. Software correlato