AREM

AREM bir (ChIP-Seq verileri Model Tabanlı Analizi) MACS dayanmaktadır.
Kromatin immün çökeltme (çip-Dizi) bağlanmış Yüksek verimli sekanslama yaygın genom transkripsiyon faktörleri, kofaktörleri, kromatin değiştiricileri, ve diğer DNA bağlayıcı proteinlerin bağlanma modelleri karakterize kullanılır. ChIP-Seq veri analizinde önemli bir adım referans genomuna kısa yüksek verimlilik sıralaması okur harita ve kısa okur ile zenginleştirilmiş yoğun bölgeleri tespit etmektir.
Çeşitli yöntemler ChIP-Seq analiz için önerilmiş olmakla birlikte, en Satışlar, mevcut yöntemler, yalnızca düşünün benzersiz bir referans genomuna yerleştirilebilir okur ve bu yüzden tepe tekrar sekansları içinde uzağa yerleştirilmelidir saptanması için düşük bir güce sahiptir. Burada hepimiz kullanan bağlama kalıplarının gerçekten genom görünüm sağlayan, okur ChIP-Seq veri analizi için bir olasılık yaklaşımını tanıtmak.
Zenginleştirilmiş bölgeleri ve boş genomik arka plan K gelen bir karışım modeli kullanılarak modellenmiştir Okur. Bu zenginleştirilmiş bölgelerin bulunduğu yeri tahmin ve her hizalama olasılıkları genomik yerle okuma güncellemek için, AREM olarak adlandırılan bir beklenti-maksimizasyonu (EM) al-algoritminin uygulamak için maksimum olabilirlik kullanın.
Daha fazla bilgi için, RECOMB 2011 yılında bizim incelemeye bakın veya web sitemizi ziyaret edin: http://cbcl.ics.uci.edu/AREM
Aşağıda tarif edildiği gibi AREM popüler MACS pik arayan dayanmaktadır:
Sıralama tekniklerinin iyileştirilmesi ile, kromatin immunoprecipitation yüksek verimlilik sıralaması takip (ChIP-Seq) genom protein-DNA etkileşimleri incelemek için popüler oluyor. Güçlü ChIP-Seq analiz yönteminin eksikliği gidermek için, bağlanma yerleri transkript faktörü tanımlamak için ChIP-Seq (MACS) Model tabanlı Analiz adında bir roman algoritma, sunuyoruz.
MACS zenginleştirilmiş ChIP bölgelerinin önemini değerlendirmek için genom karmaşıklık etkisini yakalar ve MACS sıralama etiketi konumu ve yönelimi hem bilgileri birleştirerek yoluyla bağlanma yerlerinin uzaysal çözünürlüğü artırır. . MACS kolayca yalnız ChIP-Seq verileri için kullanılan, ya da özgüllüğü artışı ile kontrol numunesi ile olabilir

Gereksinimleri :

• Python