拓:增强图形分区,用于TAD识别和单细胞聚类

科学领域:

• 计算生物学 计算生物学
• 图形理论 图形理论
• 生物信息学是一种生物信息学.

背景情况:

• 对于信息压缩和分析复杂的图形结构至关重要.
• 现有的指标很难在生物图中捕捉复杂的细节.
• 有效的生物图形分析需要新的方法.

研究的目的:

• 引入一种新的度量,拓编码树,用于量化生物图的复杂性.
• 为了证明最小化拓的是相当于最佳的图形分区.
• 开发和应用分析有序和无序生物图的方法.

主要方法:

• 开发了拓编码树 (TEC) 用于图形复杂性量化.
• 创建了有序图形的TEC-O和无序图形的TEC-U.
• 应用TEC-O到Hi-C联系地图用于拓关联域 (TAD) 识别.
• 应用TEC-U对单细胞测序数据进行细胞聚类.

主要成果:

• 拓是对噪声强大的,并有效地捕获结构信息.
• 在模拟数据集中,TEC-O和TEC-U的性能优于现有的方法.
• 实验显示TAD检测 (TEC-O) 和细胞聚类 (TEC-U) 的准确度最高.
• 结果为基因组组织和细胞种群提供了生物学上有意义的见解.

结论:

• 拓编码树为生物图形分析提供了一个强大的框架.
• 最小化拓 entropi 提供了一个有效的策略,为图形分区.
• TEC-O和TEC-U分别是分析高温和单细胞数据的准确和强大的工具.