重新审视对Hi-C数据分析计算方法的评估
Jing Yang1,2, Xingxing Zhu1,2, Rui Wang1,2
1Livestock and Poultry Multi-Omics Key Laboratory of Ministry of Agriculture and Rural Affairs, College of Animal Science and Technology, Sichuan Agricultural University, Chengdu 611130, China.
International journal of molecular sciences
|September 28, 2023
概括
本研究综合评估了24个使用验证数据集的Hi-C数据分析工具. HiC-Pro,DomainCaller和Fit-Hi-C2为关键的Hi-C分析步骤提供了平衡的性能.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 现有的Hi-C数据分析工具缺乏使用最近验证的数据集进行全面评估.
- 以前的绩效评估通常依赖于合成或半定量数据,限制了现实世界的适用性.
研究的目的:
- 为整个Hi-C数据分析管道全面评估24种最先进的方法.
- 根据验证的性能,为选择合适的高温分析工具提供一个基准.
主要方法:
- 使用手动策划和实验验证的基准数据集进行评估.
- 包括一个CRISPR数据集,用于特定验证促进剂-增强剂相互作用.
- 对Hi-C数据预处理,TAD识别和相互作用检测的评估方法.
主要成果:
- 没有任何一种方法在所有评估指标和分析阶段都表现出色.
- 在HiC数据预处理方面,HiC-Pro表现出平衡的性能.
- 在TAD识别和相互作用检测方面,DomainCaller和Fit-Hi-C2分别表现出强,平衡的性能.
结论:
- 该研究为导航Hi-C分析工具选择的研究人员提供了关键的参考.
- 对于 Hi-C 数据分析的特定阶段,建议使用 HiC-Pro,DomainCaller 和 Fit-Hi-C2.
- 验证的基准测试对于推进Hi-C数据分析方法至关重要.
