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.
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.
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.
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.
Для реализации задачи сопоставления Gamtools использует команду gamtools process_nps . Он отображает необработанные данные последовательности из ядерных профилей.
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.
Команда для этого процесса - матрица gamtools . Входной файл - это таблица разделения, рассчитанная на основе вызовов Windows.
Эта функция включена в gamtools process_nps . С помощью проверки контроля качества gamtools может исключить ядерные профили низкого качества.
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 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.
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: . - <>вероятность того, что локус найден в ядерном профиле.. - <><>вероятность того, что локус не найден в ядерном профиле.. - <>=
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:. <>, i = 0, 1, 2 представляет: найти 0, 1 или 2 локуса пары невзаимодействующих локусов.. Два локуса в не взаимодействующих локусах. -взаимодействующее состояние: . . Вот математическое выражение взаимодействия:. Оценка состояния взаимодействия двух локусов: вероятность. ~ , ~ 0, ~
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 . Вероятность появления пар локусов в профилях одного ядра: . : вероятность двух пар локусов находятся в состоянии взаимодействия;. : вероятность того, что один взаимодействует с другим, но другой не взаимодействует;. : вероятность того, что двое не взаимодействуют.. Статистический анализ SLICE. . . представляют: число i соответствует A. Число j соответствует B. (i и j равны 0, 1 или 2 локуса).
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.
На основе оценки эффективности обнаружения и предыдущей вероятности , вероятность взаимодействия пар может быть вычислена. Локусы обнаруживаются с помощью секвенирования следующего поколения.
По сравнению с методами на основе 3C, GAM обеспечивает три ключевых преимущества.