AREM

AREM si basa su un MACS (Model Based Analysis per i dati ChIP-Seq).
High-throughput sequencing accoppiato ad cromatina precipitazione immunoterapia (ChIP-Seq) è ampiamente usato nella caratterizzazione del genoma a livello schemi vincolanti fattori di trascrizione, cofattori, modificatori della cromatina, e altre proteine ​​di legame del DNA. Un passo fondamentale per l'analisi dei dati ChIP-Seq è quello di mappare breve legge da high-throughput sequencing di un genoma di riferimento e individuare le regioni di punta arricchite da brevi letture.
Anche se diversi metodi sono stati proposti per l'analisi ChIP-Seq, la maggior parte dei metodi isting ex considerano solo legge che può essere posizionato in modo univoco nel genoma di riferimento, e quindi hanno bassa potenza per rilevare picchi spe- ciali all'interno di sequenze ripetute. Qui introduciamo un approccio probabilistico per l'analisi dei dati ChIP-Seq che utilizza tutte le letture, fornendo un vero genome-wide vista dei modelli vincolanti.
Le letture sono modellati utilizzando un modello misto corrispondente a K regioni arricchito e uno sfondo genomico nullo. Usiamo massima verosimiglianza per stimare la posizione delle regioni arricchite, e mettere in atto una aspettativa massimizzazione (EM) al-Algoritmo, chiamato AREM, per aggiornare le probabilità di allineamento di ogni lettura in diverse posizioni genomiche.
Per ulteriori informazioni, consultate la nostra carta in RECOMB 2011 o visitare il nostro sito: http://cbcl.ics.uci.edu/AREM
AREM è basato sul popolare chiamante picco MACS, come descritto di seguito:
Con il miglioramento delle tecniche di sequenziamento, della cromatina immunoprecipitazione seguita da alta sequenziamento di throughput (ChIP-Seq) sta diventando popolare per studiare le interazioni proteina-DNA genome-wide. Per ovviare alla mancanza di potente metodo di analisi ChIP-Seq, vi presentiamo un nuovo algoritmo, chiamato analisi basata su modello di ChIP-Seq (MACS), per identificare il fattore trascrizione siti di legame.
MACS cattura l'influenza di complessità del genoma per valutare l'importanza delle regioni ChIP arricchiti, e MACS migliora la risoluzione spaziale di siti di legame attraverso la combinazione delle informazioni di entrambi posizione tag sequenziamento e l'orientamento. . MACS può essere facilmente utilizzato per i dati ChIP-Seq da solo, o con campione di controllo con l'aumento della specificità

Requisiti

• Python