在集成多个Hi-C数据集时,使用张量分解来识别常见的最佳 bin 大小的新型 AI 驱动的计算方法

科学领域:

• 基因组学和生物信息学
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 集成多个Hi-C数据集需要一个共同的容器大小,这是一个挑战,因为数据集质量随分辨率而变化.
• 确定最佳 bin 尺寸对于准确识别 Hi-C 数据中常见的结构特征至关重要.
• 现有的质量评估在选择适用于各种Hi-C数据集的单一最佳 bin 尺寸方面存在局限性.

研究的目的:

• 提出一种用于选择最佳容器大小的新方法,用于集成多个Hi-C数据集.
• 为了实现对多数据集Hi-C分析的最高分辨率的自动实证估计.
• 克服手动值设定和特定数据集质量评估的局限性.

主要方法:

• 张量分解 (TD) 的应用,用于无监督特征提取 (FE).
• 利用基于TD的FE中观察到的相位过渡类现象来确定最佳的容器大小.
• 从GEO (GEO ID: GSE260760, GSE255264) 获取的Hi-C数据集的分析.

主要成果:

• 拟议的基于TD的无监督FE方法自动估计尽可能最小的 bin 尺寸 (最高分辨率).
• 这种方法在经验上确定了最佳分辨率,而不需要调整的参数.
• 证明了在多个Hi-C配置文件中优化垃圾桶大小的能力.

结论:

• 张量分解提供了一个强大的,无参数的方法,用于优化多数据集Hi-C集成中的 bin 大小.
• 这种技术可以更准确地识别跨数据集的常见基因组结构.
• 代表了分析和整合Hi-C数据的新进展.