前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >三维基因组(Hi-C)的原理以及应用

三维基因组(Hi-C)的原理以及应用

作者头像
生信编程日常
发布2020-05-08 17:11:56
9.7K0
发布2020-05-08 17:11:56
举报
文章被收录于专栏:生物信息学、python、R、linux

Hi-C技术源于染色体构象捕获(Chromosome Conformation Capture, 3C)技术,利用高通量测序技术,结合生物信息分析方法,研究全基因组范围内整个染色质DNA在空间位置上的关系,获得高分辨率的染色质三维结构信息。Hi-C技术不仅可以研究染色体片段之间的相互作用,建立基因组折叠模型,还可以应用于基因组组装、单体型图谱构建、辅助宏基因组组装等,并可以与RNA-Seq、ChIP-Seq等数据进行联合分析,从基因调控网络和表观遗传网络来阐述生物体性状形成的相关机制。 以下来自菲沙基因讲解视频的整理。原视频https://www.bilibili.com/video/BV1f7411n7zU?p=23

Hi-C与其他三维基因组技术特点
HiC技术实验原理

将三维基因组甲醛交联固定,用内切酶进行酶切,酶切完在末端加生物素进行末端修复,然后进行连接,连接后对去除蛋白并打断成小片段,用磁珠捕获带生物素的片段进行测序。

Hi-C分析流程

(a)首先是质控,过滤后高质量的FASTQ数据(PE,150bp),如果比对软件不支持split mapping的话,一般选用迭代比对,因为连接处由于是基因组外的碱基,可能比对不上。从序列左端25bp开始比对,如果有唯一比对,则停止,如果多个比对位置,则再继续延伸5bp,直到出现唯一比对。或者可以可以选择支持split mapping的软件进行比对,可以通过分段比对处理。 (b)选择高质量的比对数据 (c)HiC特异的比对标准 (d)对Vaild pairs进行矫正。矫正完可以得到互作矩阵。

Ferhat Ay et al;2015

Bryan R. Lajoie et al;2014

常用的分析软件

Software tools for Hi-C data analysis

Tool

Short-read

Mapping

Read

Read-pair

Normalization

Visualization

Confidence

Implementation

aligner(s)

improvement

filtering

filtering

estimation

language(s)

:--

:--

:--

:--

:--

:--

:--

:--

:--

HiCUP [46]

Bowtie/Bowtie2

Pre-truncation

Perl, R

Hiclib [47]

Bowtie2

Iterative

✓ a

Matrix balancing

Python

HiC-inspector [131]

Bowtie

Perl, R

HIPPIE [132]

STAR

✓ b

Python, Perl, R

HiC-Box [133]

Bowtie2

Matrix balancing

Python

HiCdat [122]

Subread

−c

Three options d

C++, R

HiC-Pro [134]

Bowtie2

Trimming

Matrix balancing

Python, R

TADbit [120]

GEM

Iterative

Matrix balancing

Python

HOMER [62]

Two options e

Perl, R, Java

Hicpipe [54]

Explicit-factor

Perl, R, C++

HiBrowse [69]

Web-based

Hi-Corrector [57]

Matrix balancing

ANSI C

GOTHiC [135]

R

HiTC [121]

Two options f

R

chromoR [59]

Variance stabilization

R

HiFive [136]

Three options g

Python

Fit-Hi-C [20]

Python

Hi-C可视化

image.png

数据分析
序列过滤

过滤原理

数据矫正

为什么要做数据矫正?

Eitan Yaffe & Amos Tanay;2011

数据矫正效果

可做的分析

1.cis/trans互作比例

2.互作频率与距离有关

3.compartment分析

4.TAD分析

5.显著互作分析

image.png

Hi-C的应用

1.解析全基因组互作模式

2.辅助提升基因组组装

3.构建基因组单体型图谱

参考: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4556012/ https://www.ncbi.nlm.nih.gov/pubmed/?term=Bryan+R.+Lajoie+%3B+2014 https://www.ncbi.nlm.nih.gov/pubmed/?term=Eitan+Yaffe%3B2011 http://yulijia.net/cn/%E7%94%9F%E7%89%A9%E4%BF%A1%E6%81%AF/2016/04/15/3C-4C-5C-HiC-ChIAPET-and-ChIPloop.html https://www.bilibili.com/video/BV1f7411n7zU?p=23 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4347522/ https://www.nature.com/articles/ng.947.pdf

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Hi-C与其他三维基因组技术特点
  • HiC技术实验原理
  • Hi-C分析流程
  • 常用的分析软件
  • Software tools for Hi-C data analysis
    • Hi-C可视化
      • 数据分析
        • 序列过滤
        • 数据矫正
        • 可做的分析
      • Hi-C的应用
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档