AREM

AREM se basa en una MACS (Análisis basado en modelo para datos de chip Sec).
Secuenciación de alto rendimiento acoplado a inmunoprecipitación de cromatina (ChIP-Seq) es ampliamente utilizado en la caracterización de todo el genoma patrones de unión de factores de transcripción, cofactores, modificadores de la cromatina, y otras proteínas de unión al ADN. Un paso clave en el análisis de datos-chip Sec es mapear corta lee de secuenciación de alto rendimiento a un genoma de referencia e identificar regiones de pico enriquecidos con corta lee.
Aunque se han propuesto varios métodos para el análisis-chip Sec, la mayoría de los métodos exis- tentes sólo consideran lecturas que se pueden colocar de forma única en el genoma de referencia, y por lo tanto tienen baja potencia para detectar picos lo- cado dentro de secuencias repetidas. Aquí presentamos un enfoque probabilístico para el análisis de datos-chip Sec que utiliza toda lee, proporcionando un verdadero genoma amplia vista de los patrones de unión.
Las lecturas se modelan con un modelo de mezcla correspondiente a K regiones enriquecidas y un fondo genómico nulo. Utilizamos máxima verosimilitud para estimar la ubicación de las regiones enriquecidas, e implementar una expectativa de maximización (EM) Algoritmo, llamado AREM, para actualizar las probabilidades de alineación de cada leen a diferentes lugares del genoma.
Para obtener información adicional, consulte nuestro documento en RECOMB 2011 o visite nuestro sitio web: http://cbcl.ics.uci.edu/AREM
AREM se basa en el popular pico MACS persona que llama, como se describe a continuación:
Con la mejora de las técnicas de secuenciación, la cromatina immunoprecipitation seguida de secuenciación de alto rendimiento (chip-Sec) se está volviendo popular para estudiar las interacciones proteína-ADN en todo el genoma. Para hacer frente a la falta de potente método de análisis-chip Sec, presentamos un nuevo algoritmo, denominado Análisis basado en modelos de chip-Sec (MACS), para la identificación de sitios de unión factor de transcripción.
MACS capta la influencia de la complejidad del genoma para evaluar la importancia de las regiones de chip enriquecidos, y MACS mejora la resolución espacial de los sitios de unión a través de la combinación de la información de posición tanto etiqueta secuenciación y la orientación. . MACS se puede utilizar fácilmente para datos de chip Sec solo, o con muestra de control con el aumento de la especificidad

Requisitos

• Python