AREM

Arem là một dựa trên MACS (Model Phân tích dựa trên các dữ liệu ChIP-Seq).
Thông lượng cao cùng với chuỗi nhiễm sắc kết tủa miễn dịch (ChIP-Seq) được sử dụng rộng rãi trong việc mô tả toàn bộ gen mẫu ràng buộc của yếu tố phiên mã, đồng yếu tố, bổ chromatin, và các protein liên kết DNA khác. Một bước quan trọng trong phân tích dữ liệu ChIP-Seq là bản đồ ngắn đọc từ thông lượng cao để xác định trình tự bộ gen của một tài liệu tham khảo và xác định vùng đỉnh giàu với ngắn đọc.
Mặc dù một số phương pháp đã được đề xuất để phân tích ChIP-Seq, hầu hết các phương pháp isting cựu chỉ xem xét lần đọc có thể được đặt duy nhất trong hệ gen tham khảo, và do đó có năng lượng thấp để phát hiện đỉnh lo- tạp trong các trình tự lặp lại. Dưới đây chúng tôi giới thiệu một cách tiếp cận xác suất để phân tích dữ liệu ChIP-Seq trong đó sử dụng tất cả các lần đọc, cung cấp một cái nhìn thật sự mở rộng bộ gen của mô hình ràng buộc.
Reads được mô hình hóa bằng cách sử dụng một mô hình hỗn hợp tương ứng với K vùng giàu và một nền tảng di truyền null. Chúng tôi sử dụng tối đa khả năng để ước lượng vị trí của các khu vực làm giàu, và thực hiện một mong muốn tối đa hóa-(EM) al- gorithm, gọi Arem, để cập nhật các xác suất liên kết của từng đọc đến các địa điểm khác nhau của bộ gen.
Để biết thêm thông tin, xem giấy của chúng tôi trong RECOMB 2011 hoặc truy cập trang web của chúng tôi: http://cbcl.ics.uci.edu/AREM
Arem được dựa vào người gọi MACS đỉnh phổ biến, như được mô tả dưới đây:
Với sự cải tiến của kỹ thuật giải trình tự, nhiễm sắc immunoprecipitation tiếp theo trình tự thông lượng cao (ChIP-Seq) là nhận được phổ biến để nghiên cứu sự tương tác protein-DNA genome. Để giải quyết những thiếu của phương pháp phân tích ChIP-Seq mạnh mẽ, chúng tôi trình bày một thuật toán mới, đặt tên là Phân tích Mô hình dựa trên các ChIP-Seq (MACS), để xác định các yếu tố ràng buộc bảng điểm các trang web.
MACS nắm bắt được những ảnh hưởng của hệ gen phức tạp để đánh giá tầm quan trọng của khu vực ChIP làm giàu, và MACS cải thiện độ phân giải không gian của các ràng buộc các trang web thông qua việc kết hợp các thông tin của cả hai vị trí thẻ trình tự và định hướng. . MACS có thể dễ dàng sử dụng cho dữ liệu ChIP-Seq một mình, hoặc với mẫu đối chứng với sự gia tăng về tính đặc thù

Yêu cầu :

• Python