AREM

AREM er en baseret på MACS (Model Based Analyse for chip-Seq data).
High-throughput sekventering koblet til chromatin immuno udfældning (chip-Seq) er almindeligt anvendt til at karakterisere hele genomet bindende mønstre af transkriptionsfaktorer, cofaktorer, kromatin modifikatorer og andre DNA-bindende proteiner. Et vigtigt skridt i chip-Seq dataanalyse er at kortlægge kort læser fra high-throughput sekventering til en reference-genom og identificere peak regioner beriget med kort læser.
Selv om der er foreslået flere metoder til chip-Seq analyse fleste eksiste- rende metoder kun overveje læser, der kan entydigt placeres i henvisningen genomet, og derfor har lav effekt til detektering toppe ger, der omhandler inden gentagne sekvenser. Her introducerer vi en probabilistisk tilgang til chip-Seq dataanalyse, som udnytter alle læser, der giver en virkelig genom-dækkende billede af bindende mønstre.
Læser er modelleret ved hjælp af en blanding model svarende til K beriget regioner og en null genomisk baggrund. Vi bruger maksimal sandsynlighed for at estimere placeringen af ​​beriget regioner og gennemføre en forventning-maksimering (EM) al gorithm, kaldet AREM, at opdatere alignment sandsynlighederne for hver læst til forskellige genomiske placeringer.
For yderligere information, se vores papir i Rekomb 2011 eller besøge vores hjemmeside: http://cbcl.ics.uci.edu/AREM
AREM er baseret på den populære MACS peak ringer op, som beskrevet nedenfor:
Med forbedring af sekventeringsteknikker, kromatin immunpræcipitation efterfulgt af high throughput sekventering (chip-Seq) bliver populær at studere genom-dækkende protein-DNA interaktioner. For at løse manglen på kraftig chip-Seq analysemetode, præsenterer vi en ny algoritme, opkaldt Modelbaseret analyse af chip-Seq (MACS), til identifikation af afskrift faktor bindende sites.
MACS indfanger indflydelse af genom kompleksitet at vurdere betydningen af ​​berigede chip regioner og MACS forbedrer rumlige opløsning bindingssteder ved at kombinere oplysningerne om både sekventering tag position og orientering. . MACS let kan anvendes til chip-Seq data alene eller med kontrolprøve med stigningen af ​​specificitet

Krav :

• Python