基于Hi-c数据的酵母染色体三维结构重构

通过染色体交互频率数据(Hi-c)来预测染色体三维空间结构是近年表观遗传研究热点。研究表明染色体三维空间结构在生物基因表达、调控等方面起到重要作用,对其进行三维重构是研究细胞代谢过程的基本途径。针对酵母Hi-c数据在不同染色体所呈现出的统计特征,拟合出每条染色体交互频率数据分布的数学模型,然后利用梯度上升迭代算法预测并重构其三维结构,并给出模型评估指标。实验结果表明,模型具有较高可重复性和预测精确度。

基于Hi-C数据的染色体三维分析计算方法

真核生物的染色质在细胞核中高度折叠且有序排列,这种三维结构对基因转录和DNA复制等细胞功能发挥至关重要。近年来Hi-C数据的涌现,使得研究染色质三维交互作用及其空间结构成为了可能。自2009年Hi-C被开发以来,已经出现了许多用于处理Hi-C数据的生物信息学工具,从原始序列比对到接触矩阵的可视化,均提供了系统的Hi-C数据处理过程或解决某一个特定问题的方法。本研究全面介绍了传统的Hi-C数据处理工作流程,以及近十年来新兴的Hi-C数据处理工具以及其未来发展方向。

基于曲面拟合重建单细胞染色体三维结构

基因组学是当今生物信息学的核心领域之一,基因组学的两个主要研究方向是:以全基因组测序为目标的结构基因组学和以基因功能解读为目标的功能基因组学。在过去几十年,基因组学经历了长足的发展。而染色体三维结构的预测对基因组学的研究有重大意义。染色体三维结构的重建问题,就是从基因组的一维和二维数据出发预测其在三维空间中的构像,再利用数据分析等方法判断重建后染色体三维结构的可靠性。单细胞的Hi-C数据的接触矩阵是稀疏且含有噪声的,缺失很多接触位点的信息,我们把这样的矩阵称作低秩矩阵。我们首先要解决的问题就是对于低秩矩阵的处理,也叫低秩距离矩阵的完备化。本文介绍了包括最优化方法、最短距离法在内的几种常见的低秩矩阵完备化的方法,也详细介绍了本文采用的与前人不同的方法,最后通过MATLAB实现得到最终结论并与前人研究成果形成对比。

染色体三维结构的预测方法研究

目前基因组学领域中染色体三维结构重建是热点研究问题。已有相关文献表明,基因组的DNA突变、复制、胚胎的发育和转录长链非编码RNA的传播等跟染色质的三维结构有着密切的关联。Hi-C实验提供基因组位点之间的接触频率的全基因组图谱,推测反映其染色体的平均空间组织。文中通过在Hi-C数据基础上对染色体三维结构重建的相关文献进行分析,总结了目前重建染色体三维空间结构的经典算法原理和性能,以期能更深入地研究染色体三维结构重建算法,并系统的掌握三维染色体空间结构预测算法的发展方向。

染色体三维结构重建方法研究

染色体三维结构重构问题是近年生物领域中基因组学的热点研究问题,是以二维交互频率数据为基础来预测其三维空间结构。最新相关实验表明染色质的三维空间结构对于基因表达、调控等方面都具有重要意义。而Hi-c数据能利用染色质交互信息形成二维接触矩阵重构出染色体三维结构。本综述以染色体三维结构重建方法为研究对象,通过对染色体三维结构重建方法进行比较分析,综述了目前基于Hi-c数据在染色体三维结构重建中的经典方法,系统介绍了染色体三维结构重建技术的发展脉络,以促进染色体三维结构重建的进一步研究。

基于染色体三维结构共调控域基因功的分析

真核生物的染色质在细胞核中高度折叠且有序排列,这种三维结构对基因的转录、调控和表达等细胞进程具有重要的生物学意义。本研究基于酵母染色体三维结构模型,用3σ准则筛选高分辨率Hi-C(highthroughput chromosome conformation capture,Hi-C)数据,对潜在的共调控区域进行搜索定位,并用简单的统计学方法分析了核小体占位率、组蛋白修饰、蛋白质置换水平、基因富集等影响因子在共调控区域TSS附近的分布特征,进而对共调控域基因功能与染色体结构之间的关系进行研究。结果发现,以上影响因子在28个共调控区域中具有相似的分布特征和基因功能信息。由此推测,这些"共性"基因可能协同参与了基因调控,并驱动形成了染色体特定空间折叠结构。