使用GRATIOSA对细菌转录组和染色体结构数据进行定量空间分析:应用于双超卷域分布
Maïwenn Pineau1, Raphaël Forquet1, Sylvie Reverchon1
1Université de Lyon, INSA Lyon, Université Claude Bernard Lyon 1, CNRS UMR5240, Laboratoire de Microbiologie, Adaptation et Pathogénie, 69621 Villeurbanne, France.
我们开发了GRATIOSA,这是一个用于分析空间基因组组织和基因表达的Python包. 它揭示了topoisomerases被招募到高度表达的基因中,对Topoisomerase I和DNA旋转酶具有特定的招募模式.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 经典的转录调节模型侧重于转录因子.
- 基因表达也受到染色体组织的影响.
- 对基因组规模数据 (RNA-Seq,ChIP-Seq) 的定量空间分析对于理解空间调节至关重要.
研究的目的:
- 介绍 GRATIOSA,这是一个用于对基因组规模数据进行系统和可重复的综合分析的Python包.
- 为空间解析的定量数据分析,比较和表示提供了一个框架,超出了初始读取映射.
- 使用拓酶ChIP-Seq数据评估大肠杆菌转录中的双超卷域模型.
主要方法:
- 开发了 GRATIOSA Python 包,用于集成空间基因组分析.
- 利用不同物种的RNA-Seq,ChIP-Seq和Hi-C数据.
- 应用GRATIOSA来分析Escherichia coli转录单元中的拓酶招募.
主要成果:
- GRATIOSA允许对基因组规模数据进行系统,可复制和空间分辨的定量分析.
- 拓酶被招募到40%最高度表达的转录单元中,与表达水平相关.
- 拓酶I在转录单元的上游 (~10kb) 被招募,而DNA旋转酶在下游 (~30kb) 被招募.
结论:
- GRATIOSA促进了基因调节的先进空间分析.
- 拓糖酶的招募与高基因表达水平密切相关.
- 拓酶酶的酶特异性招募模式支持转录调节的空间模型.
更多相关视频
10:08Genetic Mapping of Thermotolerance Differences Between Species of Saccharomyces Yeast via Genome-Wide Reciprocal Hemizygosity Analysis
Published on: August 12, 2019
10:18A Fast and Reliable Pipeline for Bacterial Transcriptome Analysis Case study: Serine-dependent Gene Regulation in Streptococcus pneumoniae
Published on: April 25, 2015
相关概念视频
Genomic DNA in Prokaryotes
Genomic Diversity in Bacteria
Although bacterial genomes are much...
Modern Molecular Taxonomy
Prokaryotic Gene Structure and Organization
