相关实验视频

Updated: May 6, 2026

Hi-C: A Method to Study the Three-dimensional Architecture of Genomes.

Hi-C: A Method to Study the Three-dimensional Architecture of Genomes.

Published on: May 6, 2010

C2c:从Hi-C中预测微C

Hao Zhu¹, Tong Liu¹, Zheng Wang¹

¹Department of Computer Science, University of Miami, 330M Ungar Building, 1365 Memorial Drive, Coral Gables, FL 33124-4245, USA.

|June 27, 2024

概括

一个新的计算工具,C2c,从标准的Hi-C数据中预测高分辨率的Micro-C数据. 这种方法揭示了更多的染色体循环,并增强了对基因调节和相互作用的理解.

科学领域:

基因组学就是基因组学.
分子生物学分子生物学
计算生物学计算生物学

背景情况:

高分辨率的Hi-C数据通过检测拓关联域 (TAD) 下的染色质特征来推进基因调节研究.
微C是一种Hi-C变体,提供了核细胞对相互作用的洞察力,但也带来了技术上的挑战.
从现有的Hi-C数据集中计算衍生Micro-C数据可以最大限度地提高数据效用并降低成本.

研究的目的:

开发一种计算方法,从Hi-C数据中预测Micro-C接触矩阵.
克服与实验Micro-C数据生成相关的技术限制和高成本.

主要方法:

开发C2c,一种利用残余神经网络的计算工具.
训练模型学习Hi-C和Micro-C接触矩阵之间的映射.
评估预测的Micro-C矩阵与实验数据和其他交互数据集对比.

主要成果:

预测的Micro-C接触矩阵显示了比输入Hi-C数据更多的染色质循环.
从预测的Micro-C中识别的循环显示与促进剂-增强剂相互作用更好地匹配.
预测Micro-C的相互循环与Hi-C和真实的Micro-C循环相比,与ChIA-PET数据的一致性更好.
预测的微C数据导致检测到更多的TAD边界,而不是Hi-C数据.

结论:

该C2c工具有效地从Hi-C数据集预测Micro-C数据,提供更高分辨率的洞察力.
这种计算方法增强了调节元素的发现,如染色体循环和TAD边界.
C2c提供了一种具有成本效益的策略,利用现有的Hi-C数据进行先进的基因组分析.

关键词:

微-C 微-C 是一个微-C.深度学习是一种深度学习.从Hi-C预测Micro-C从Hi-C进行预测废物残留网络的网络.

更多相关视频

Capturing Chromosome Conformation Across Length Scales

Capturing Chromosome Conformation Across Length Scales

Published on: January 20, 2023

Mapping Mammalian 3D Genome Interactions with Micro-C-XL

Mapping Mammalian 3D Genome Interactions with Micro-C-XL

Published on: November 3, 2023

相关概念视频

Microtubules in Signaling

Microtubules in Signaling

The primary cilium, made up of microtubules, acts as antennae on the cell surfaces for relaying external stimuli into the cells. These fine hair-like structures are present, generally one per cell. These are non-motile cilia in a 9+0 microtubules arrangement, where the central pair of microtubules are absent. The primary cilia arise from the basal body embedded in the cell membrane. Intraflagellar transport (IFT) carries requisite proteins from the cytoplasm to the cilium because the primary...