AREM

AREM est un basé sur MACS (modèle d'analyse comparative des données de ChIP-Seq).
Séquençage à haut débit couplé à immunoprécipitation de la chromatine (ChIP-Seq) est largement utilisé dans la caractérisation de l'ensemble du génome des motifs de liaison des facteurs de transcription, des cofacteurs, modificateurs de la chromatine, et d'autres protéines de liaison d'ADN. Une étape clé dans l'analyse de données ChIP-Seq est de cartographier court lit de séquençage à haut débit à un génome de référence et identifier les régions de pointe enrichies de courte lectures.
Bien que plusieurs méthodes ont été proposées pour l'analyse ChIP-Seq, la plupart des méthodes exis- tantes ne considèrent lit qui peut être placé de manière unique dans le génome de référence, et donc de faible puissance pour détecter des pics situe au-sein de séquences répétées. Ici, nous introduisons une approche probabiliste pour l'analyse de données ChIP-Seq qui utilise tous les lit, offrant un véritable pangénomique vue de motifs de liaison.
Les lectures sont modélisés à l'aide d'un modèle de mélange correspondant à K régions enrichies et un fond génomique nulle. Nous utilisons le maximum de vraisemblance pour estimer les emplacements des régions enrichies, et mettre en œuvre une attente de maximisation (EM) al-algorithme, appelé AREM, de mettre à jour les probabilités d'alignement de chaque lecture à différents endroits génomiques.
Pour plus d'informations, consultez notre papier dans RECOMB 2011 ou visitez notre site Web: http://cbcl.ics.uci.edu/AREM
AREM est basée sur l'appelant MACS populaire de crête, comme décrit ci-dessous:
Avec l'amélioration des techniques de séquençage, immunoprécipitation de la chromatine suivie par séquençage à haut débit (ChIP-Seq) devient populaire pour étudier les interactions protéine-ADN pangénomique. Pour remédier au manque de force de la méthode d'analyse ChIP-Seq, nous présentons un nouvel algorithme, appelé Analyse des ChIP-Seq (MACS) basé sur un modèle, pour identifier les sites de liaison du facteur de transcription.
MACS capture l'influence de la complexité du génome d'évaluer l'importance des régions ChIP enrichis, et MACS améliore la résolution spatiale des sites de liaison en combinant les informations de la fois la position de la balise de séquençage et de l'orientation. . MACS peut être facilement utilisé pour les données de ChIP-Seq seul, ou avec l'échantillon de contrôle avec l'augmentation de la spécificité

Exigences :

• Python