评估微阵列和NGS平台的微分甲基化分析质量

科学领域:

• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 不同甲基化 (DM) 分析在生物学和转化研究中至关重要.
• 微阵列和下一代测序 (NGS) 是甲基化分析的常用方法,每种方法都有各种统计模型.
• 由于缺乏黄金标准数据集,对DM模型进行基准分析是很困难的.

研究的目的:

• 评估使用公共NGS和微阵列数据集进行DM分析的不同统计模型的性能.
• 评估基于Hobotnica排名统计方法对DM签名质量评估的有用性.

主要方法:

• 对众多公共NGS和微阵列数据集的分析.
• 应用各种广泛使用的统计模型用于DM签名提取.
• 使用Hobotnica指标对DM结果的质量评估.

主要成果:

• 基于微阵列的方法与基于NGS的模型相比,产生了更强大和更一致的DM结果.
• 基于NGS的模型在他们的发现中显示出显著的异质性.
• 模拟的NGS数据测试可能会高估DM方法的质量,因此应谨慎使用.
• 微阵列数据显示了评估顶部差异甲基化细胞因子 (DMC) 的更稳定的结果.

结论:

• 在NGS甲基化数据中观察到的异质性需要对新生成的DM签名进行严格的评估.
• 霍博特尼卡指标提供了一种强大,敏感和信息丰富的方法来估计DM方法性能和签名质量.
• 霍博特尼卡解决了DM分析的长期挑战,通过提供可靠的评估而没有黄金标准数据.