Отображение архитектуры генома

редактировать

В молекулярной биологии отображение архитектуры генома (GAM) - это метод криосекции для сопоставления колокализованных участков ДНК независимым способом лигирования. Он преодолевает некоторые ограничения захвата конформации хромосомы (3C), поскольку эти методы основаны на расщеплении и лигировании для захвата взаимодействующих сегментов ДНК. GAM - это первый общегеномный метод определения трехмерной близости между любым количеством геномных локусов без лигирования.

Содержание

1 Принцип
2 Криосекция и лазерная микродиссекция
3 Анализ данных (метод биоинформатики)
- 3.1 GAMtools
  - 3.1.1 Отображение данных секвенирования
  - 3.1.2 Вызов Windows
  - 3.1.3 Создание матриц близости
  - 3.1.4 Выполнение проверок контроля качества
- 3.2 SLICE
  - 3.2.1 SLICE Модель
  - 3.2.2 Расчет распределения в профиле одного ядра
  - 3.2.3 Оценка среднего радиуса ядра
  - 3.2.4 Расчет вероятности пар локусов в одном ядре профиль
  - 3.2.5 Эффективность обнаружения
  - 3.2.6 Оценка вероятностей взаимодействия пар
4 Преимущества
5 Ссылки

Принцип

Отображение архитектуры генома было разработано в лаборатории Ана Помбо, основанный на концепции теоретического подхода к картированию сцепления генома человека, опубликованной в 1989 г., GAM реализует меру физического Расчетное расстояние между областями генома посредством криосрезов и лазерных микродиссекций. Чтобы изучить взаимодействие локусов в геноме, GAM использует набор срезов, собранных со случайных направлений ядер. Вот простая схема GAM:

Во-первых, сделайте ультратонкий ядерный срез путем криосекции. Затем выделите один профиль ядра с помощью микродиссекции лазерного захвата. После этого извлеките ДНК из ядерных профилей и выполните амплификацию. Затем идентифицируйте последовательности ДНК, присутствующие в каждом ядерном срезе, с помощью секвенирования следующего поколения. С помощью этих данных последовательности постройте попарные матрицы ко-сегрегации для отображения попарных контактов хроматина. Используйте таблицы совместной сегрегации, чтобы выполнить анализ SLICE, чтобы получить вероятности взаимодействия.

Криосекция и лазерная микродиссекция

Криосрезы производятся в соответствии с методом Токуясу, включая строгую фиксацию для сохранения ядерной и клеточной архитектуры, криозащиту с помощью раствора сахароза-PBS перед замораживанием в жидком азоте. В картировании архитектуры генома секционирование является необходимым шагом для изучения трехмерной топологии генома перед лазерной микродиссекцией. Затем с помощью лазерной микродиссекции можно выделить каждый профиль ядра перед выделением ДНК и секвенированием.

Анализ данных (метод биоинформатики)

GAMtools

GAMtools - это набор программных утилит для картографирования архитектуры генома, разработанный Робертом Бигри. Bowtie2 требуется перед запуском GAMtools. Формат Fastq данные - входной файл. Программа сначала выполнит отображение последовательности. Затем звонят окна, производят матрицы близости и проверки качества.

Сопоставление данных последовательности

Для реализации задачи сопоставления Gamtools использует команду gamtools process_nps . Он отображает необработанные данные последовательности из ядерных профилей.

Вызов Windows

Вычислить количество считываний из каждого ядерного профиля, которые перекрываются с каждым окном в фоновом файле генома. Размер окна по умолчанию - 50 КБ. После этого он создает таблицу разделения.

Создание матриц близости

Команда для этого процесса - матрица gamtools . Входной файл - это таблица разделения, рассчитанная на основе вызовов Windows.

Выполнение проверок контроля качества

Эта функция включена в gamtools process_nps . С помощью проверки контроля качества gamtools может исключить ядерные профили низкого качества.

SLICE

SLICE (статистический вывод совместной сегрегации) играет ключевую роль в анализе данных GAM. Он был разработан в лаборатории Марио Никодеми, чтобы предоставить математическую модель для определения наиболее специфических взаимодействий между локусами на основе данных о косегрегации GAM. Он оценивает долю конкретного взаимодействия для каждой пары локусов в данный момент времени. Это своего рода вероятностный метод. Первым шагом SLICE является предоставление функции ожидаемой доли ядерных профилей GAM. Затем найдите результат с наилучшей вероятностью, чтобы объяснить экспериментальные данные.

Модель SLICE

Модель SLICE основана на гипотезе о том, что вероятность того, что невзаимодействующие локусы попадают в тот же ядерный профиль, предсказуема. Вероятность зависит от расстояния этих локусов. Модель SLICE рассматривает пару локусов как два типа: один взаимодействует, а другой не взаимодействует. Согласно гипотезе, пропорции состояния ядерных профилей могут быть предсказаны математическим анализом. Получая функцию вероятности взаимодействия, эти данные GAM также можно использовать для поиска заметных взаимодействий и исследования чувствительности GAM.

Рассчитать распределение в профиле одного ядра

SLICE считает, что пара локусов может быть взаимодействием или отсутствием взаимодействия в популяции клеток. Первый шаг этого расчета - описание одного локуса. Пара локусов A и B может иметь два возможных состояния: первое - это то, что A и B не взаимодействуют друг с другом. Другое дело, что у них есть. Первая проблема заключается в том, можно ли найти единственный локус в ядерном профиле.. Математическое выражение:

Вероятность одного локуса: $v 0, v 1 {\ displaystyle v_ {0}, v_ {1}}$ ${\ displaystyle v_ {0}, v_ {1}}$ . - < $v 1 {\ displaystyle v_ {1}}$ $v_ {1}$ >вероятность того, что локус найден в ядерном профиле.. - < $v 0 {\ displaystyle v_ {0}}$ $v_ { 0}$ > $= 1 - {\ displaystyle = 1-}$ ${\ displaystyle = 1-}$ < $v 1 {\ displaystyle v_ {1}}$ $v_ {1}$ >вероятность того, что локус не найден в ядерном профиле.. - < $v 1 {\ displaystyle v_ {1}}$ $v_ {1}$ >= $Ядро VNP / V {\ displaystyle V_ {NP} / V_ {nucleus}}$ ${\ displaystyle V_ {NP} / V_ {nucleus}}$

Оценка среднего радиуса ядра

Как указано в уравнении выше, объем Ядерная - необходимая величина для расчета. Радиусы этих ядерных профилей можно использовать для оценки радиуса ядра. Прогноз SLICE для радиуса соответствует моделированию Монте-Карло (более подробная информация об этом шаге будет обновлена после получения лицензии на рисунок в исходной статье автора). С помощью результата оценки радиуса можно оценить вероятность двух локусов в состоянии невзаимодействия и вероятность того, что эти два локуса находятся во взаимодействующем состоянии.. Вот математическое выражение невзаимодействия:. < $ui {\ displaystyle u_ {i}}$ $u_ {i}$ >, i = 0, 1, 2 представляет: найти 0, 1 или 2 локуса пары невзаимодействующих локусов.. Два локуса в не взаимодействующих локусах. -взаимодействующее состояние: $ui {\ displaystyle u_ {i}}$ $u_ {i}$ . $=< v 0 2>, =< v 1 v 0>, =< v 1 2>{\ displaystyle =, =, =}$ $<u_{0}>=<v_{0}^{2}>,<u_{1}>=<v_{1}v_{0}>,<u_{2}>=<v_{1}^{2}>$ . Вот математическое выражение взаимодействия:. Оценка состояния взаимодействия двух локусов: $ti {\ displaystyle t_ {i}}$ $t_ {i}$ вероятность. $< t 2>{\ displaystyle}$ $<t_{2}>$ ~ $< v 1>{\ displaystyle}$ ${\ displaystyle <v_{1}>}$ , $< t 1>{\ displaystyle}$ ${\ displaystyle <t_ {1}>}$ ~ 0, $< t 0>{\ displaystyle}$ ${\ displaystyle <t_{0}>}$ ~ $< v 0>= 1 - < v 1>{ \ displaystyle = 1-}$ $<v_{0}>= 1- <v_{1}>$

Вычислить вероятность пар локусов в одном ядерном профиле

На основе результатов предыдущих процессов вероятность появления пары локусов в одном ядерном профиле можно рассчитать статистическим методом. Пара локусов может существовать в трех разных состояниях. Каждый из них имеет вероятность $P i, i = 0, 1, 2 {\ displaystyle P_ {i}, i = 0,1,2}$ ${\ displaystyle P_ {i}, i = 0, 1,2}$ . Вероятность появления пар локусов в профилях одного ядра: $P 2, P 1, P 0 {\ displaystyle P_ {2}, P_ {1}, P_ {0}}$ ${\ displaystyle P_ {2 }, P_ {1}, P_ {0}}$ . $P 2 {\ displaystyle P_ {2}}$ $P_ {2}$ : вероятность двух пар локусов находятся в состоянии взаимодействия;. $P 1 {\ displaystyle P_ {1}}$ $P_ {1}$ : вероятность того, что один взаимодействует с другим, но другой не взаимодействует;. $P 0 {\ displaystyle P_ {0}}$ $P_ {0}$ : вероятность того, что двое не взаимодействуют.. Статистический анализ SLICE. $N 0, 0 / N = < t 0 2>P 2 + < t 0 u 0>P 1 + P 0 {\ displaystyle N_ {0,0} / N = P_ {2} + P_ {1} + P_ {0} }$ $N_{0,0}/N=<t_{0}^{2}>P_ {2} + <t_{0}u_{0}>P_ {1} + <u_{0}^{2}>P_ {0}$ . $N 2, 0 / N = N 0, 2 = < t 1 2>P 2 + < t 1 u 1>P 1 + P 0 {\ displaystyle N_ {2,0} / N = N_ {0,2} = P_ {2} + P_ {1} + P_ {0}}$ $N_{2,0}/N=N_{0,2}=<t_{1}^{2}>P_ {2} + <t_{1}u_{1}>P_ {1} + <u_{1}^{2}>P_ {0}$ . $N i, j {\ displaystyle N_ {i, j}}$ ${\ displaystyle N_ {i, j}}$ представляют: число i соответствует A. Число j соответствует B. (i и j равны 0, 1 или 2 локуса).

Эффективность обнаружения

Поскольку количество экспериментов ограничено, должна быть некоторая эффективность обнаружения. Рассмотрение эффективности обнаружения может расширить эту SLICE-модель, чтобы учесть дополнительные сложности. Это статистический метод для улучшения результата расчета. В этой части данные GAM делятся на два типа: первый заключается в том, что локус в срезе обнаруживается в экспериментах, а другой - что локус в срезе не обнаруживается в экспериментах.

Оценка вероятностей взаимодействия пар

На основе оценки эффективности обнаружения и предыдущей вероятности $u 0, u 1, u 2 {\ displaystyle u_ {0}, u_ {1 }, u_ {2}}$ ${\ displaystyle u_ {0}, u_ {1}, u_ {2}}$ , вероятность взаимодействия пар может быть вычислена. Локусы обнаруживаются с помощью секвенирования следующего поколения.

Преимущества

По сравнению с методами на основе 3C, GAM обеспечивает три ключевых преимущества.

В методе C используется метод парного взаимодействия, что означает, что он может дать только парные результаты. Но GAM может обнаруживать кластеризацию нескольких локусов генов.
Ферменты рестрикции играют важную роль в C-методе. В этом случае сайты рестрикционных ферментов ограничивают методы, основанные на лигировании. GAM не имеет этого ограничения.
C-методы требуют больше ячеек, чем GAM.

Ссылки