AREM

AREM egy alapul MACS (modell alapú vizsgálata chip-szekvencia adatok).
Nagy áteresztőképességű szekvenálás összekapcsolt kromatin immunoelektroforézissel csapadék (chip-Seq) széles körben használják a jellemzésére genomot kötési minták a transzkripciós faktorok, kofaktorok, kromatin módosítók, és más DNS-kötő fehérjék. Az egyik legfontosabb lépés a chip szekvencia adatok elemzése, hogy feltérképezze rövid olvas nagy áteresztőképességű szekvenálás egy referencia genom és azonosítani csúcs régiók dúsított rövid szól.
Bár számos módszert javasoltak már ChIP-Seq analízis, a legtöbb korábban isting módszerek csak úgy szól, hogy lehet egyedileg helyezzük a referencia genomban, és ezért alacsony energia kimutatására csúcsok tama belül ismétlődő szekvenciák. Itt bemutatjuk a valószínűségi megközelítés chip-szekvencia adatok elemzése, amely felhasználja az összes szól, amely egy valóban genomra kiterjedő kilátás erejű mintát.
Olvasás mintájára keveréket használva modell megfelelő K dúsított régiók és a null genomikai alapon. Használjuk maximum likelihood becslése a helyét a dúsított régiók, és végre egy elvárás-maximalizálás (EM) algoritmus, az úgynevezett AREM, hogy frissíteni kell az összehangolás valószínűségek minden olvasni a különböző genomi helyeken.
További információkért tekintse meg a papírt RECOMB 2011, vagy látogasson el honlapunkra: http://cbcl.ics.uci.edu/AREM
AREM alapja a népszerű MACS csúcs hívó fél, az alábbiakban leírtak szerint:
A javulás a szekvenálás technikák, kromatin immunprecipitációt követően nagy teljesítményű szekvenálás (chip-szekvencia) egyre népszerűbb, hogy tanulmányozza genomot DNS-fehérje kölcsönhatások. A címet a hiánya erős ChIP-Seq elemzési módszert mutatunk be olyan új algoritmust, elemzi modell-alapú elemzési Chip-szekvencia (MACS), azonosítására átirat faktor kötőhely.
MACS rögzíti a befolyása genom összetettségét, hogy értékelje a jelentőségét dúsított ChIP régiók, és MACS javítja a térbeli felbontása kötőhelyek révén ötvözi az információkat mindkét szekvenálás tag helyzete és iránya. MACS könnyen használható chip-szekvencia adatok önmagukban, vagy a kontroll minta a növekedés jellegét.

követelmények :

• Python