使用图形嵌入和无监督学习,从高分辨率的Hi-C数据中识别TAD
H M A Mohit Chowdhury1,2, Oluwatosin Oluwadare3,4
1Department of Computer Science and Engineering, University of North Texas, Denton, TX, USA.
Communications biology
|December 9, 2025
概括
嵌入TAD可以有效地从Hi-C数据中识别拓关联域 (TAD). 这种方法有助于通过检测TAD重组和边界蛋白来了解染色体组织和免疫细胞功能.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
背景情况:
- 拓关联域 (TAD) 对基因组的组织和功能至关重要.
- 识别TAD对于研究免疫系统动态和染色体结构至关重要.
- 现有的TAD识别方法可能是计算密集的.
研究的目的:
- 介绍EmbedTAD,一种用于识别TADs的新型计算方法.
- 为了利用图形嵌入和集群,从高分辨率的Hi-C数据中高效地检测TAD.
- 验证EmbedTAD在检测TAD重组和边界蛋白丰富方面的性能.
主要方法:
- 使用NetMF,这是一个低资源的图形嵌入技术.
- 使用HDBSCAN进行集群嵌入,以定义TAD区域.
- 应用EmbedTAD对高分辨率的Hi-C数据,包括T细胞分化过程中的数据.
主要成果:
- 在T细胞分化过程中,EmbedTAD成功地发现了TAD重组.
- 该方法根据TAD结构区分了活跃和不活跃的细胞.
- 嵌入TAD通过在PLAC-seq数据中发现的TAD的恢复来证明其可重现性.
- 在已识别的TAD边界检测到不同的ChIP-seq信号 (CTCF,RAD21,SMC3).
结论:
- 嵌入TAD为TAD识别提供了一种可靠且计算效率高的方法.
- 该工具在TAD检测方面表现优于现有的最先进的方法.
- 嵌入TAD促进了对基因组组织及其与细胞过程的关系的研究.
