AREM

AREM je založen na MACS (model založený analýza pro chip-Seq dat).
Sekvenování Vysoce výkonný spojený s chromatinu imunoterapii srážek (ChIP-Seq) je široce používán v charakterizaci genomu celé vazebné vzory transkripčními faktory, kofaktory, chromatinu modifikátory a další DNA vázajících proteinů. Klíčovým krokem při analýze dat CHIP-Seq je zmapovat krátká čte z sekvenování vysokou propustností k referenčnímu genomu a identifikovat špičkové regiony obohacené s krátkým čte.
I když bylo navrženo několik způsobů pro čipové Seq analýzy, většina ex metody isting v úvahu pouze čtení, které mohou být jednoznačně umístěny v referenčním genomu, a proto mají nízký výkon pro detekci vrcholy umístěnými v opakovaných sekvencí. Zde představíme pravděpodobnostní pří- stup pro analýzu dat chip-Seq, který využívá všechny čte, poskytuje skutečně genomu-široký rozhled závazných vzorů.
Čte jsou modelovány pomocí modelu směsi odpovídající K obohacené regionům a null genomické pozadí. Používáme maximální pravděpodobnost odhadnout umístění obohacených regionů, a realizovat očekávání-zvětšení (EM) al- gorithm, nazvaný AREM, aktualizovat zarovnání pravděpodobnosti každý přečíst na různých místech genomu.
Pro další informace, prohlédněte si naši papír RECOMB 2011 nebo navštivte naše webové stránky: http://cbcl.ics.uci.edu/AREM
AREM je založena na populární MACS vrcholu volajícího, jak je popsáno níže:
Se zlepšením technik sekvenování, chromatin imunoprecipitace následované vysokou propustnost sekvenování (ChIP-Seq) je stále oblíbenější pro studium genomu-široký protein-DNA interakcí. Chcete-li řešit nedostatek silného chip-Seq analytickou metodou, představíme nový algoritmus, s názvem Model na bázi Analýza čipových Seq (MACS), pro identifikaci přepis faktor vazebná místa.
MACS zachycuje vliv složitost genomu zhodnotit význam obohacených Chip regionů, a MACS zlepšuje prostorové rozlišení vazebná místa prostřednictvím kombinuje informace jak sekvenční tag poloze a orientaci. . MACS lze snadno použít pro chip-Seq dat sám, nebo s kontrolním vzorkem s nárůstem specifičnosti

Požadavky na :

• Python