对基因组数据的不同生物信息学管道的系统分析及其对染色体循环预测深度学习模型的影响
Anup Kumar Halder1,2, Abhishek Agarwal2, Karolina Jodkowska2
1Laboratory of Bioinformatics and Computational Genomics, Faculty of Mathematics and Information Science, Warsaw University of Technology, Koszykowa 75, 00-662 Warsaw, Poland.
Briefings in functional genomics
|March 31, 2024
概括
这项研究回顾了生物信息学管道,用于分析染色体循环和结构,这对于理解基因调节至关重要. 它评估了各种方法,强调了数据质量.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 高通量技术增加了基因组数据的复杂性和数量.
- 染色体循环和结构对于基因调节和基因组组织至关重要.
研究的目的:
- 系统地研究生物信息学管道用于染色体循环和结构分析.
- 为这一基因组特征提供了对方法,工具和算法的整体视角.
主要方法:
- 整合了来自六个管道的CTCF和Cohesin因子特定循环相互作用数据集 (共36个数据集).
- 对现有的方法,工具和算法进行了文献审查.
- 评估数据准备,预处理,统计特征和建模技术.
主要成果:
- 阐明了生物信息学管道中用于染色体结构分析的各种方法.
- 严格评估各种管道的优势和局限性.
- 研究了数据质量和深度学习模型性能之间的相互作用.
结论:
- 通过对染色体循环分析管道的全面分析,提高了对基因组复杂性的理解.
- 提供了对优化生物信息学方法的见解,用于研究基因组组织和基因调节.


