2019年11月7日，卡内基梅隆大学计算机学院计算生物学系的马坚课题组（第一作者为博士研究生Kyle Xiong）在Nature Communications杂志上发表了文章Revealing Hi-C subcompartments by imputing inter-chromosomal chromatin interactions，研究人员开发了一种基于神经网络的算法来有效解决上述问题，以填补不完整的Hi-C数据中的空白，并使用恢复的信息来预测染色质的空间状态。
这个名为SNIPER的方法仅使用稀疏的染色体间Hi-C数据作为输入就能够预测100kb染色质区域的子隔室。这个计算方法主要由一个降噪自动编码器（denoising autoencoder）组成。自动编码器主要学习高维Hi-C输入的低维嵌入。然后，SNIPER使用这个低维嵌入作为一个分类器中的输入来预测每个染色质区域的子隔室注释。通过分析验证，SNIPER远远优于现有的利用组蛋白修饰ChIP-Seq作为输入的基于神经网络的子隔室预测方法。
将厂狈滨笔贰搁应用于其他八个细胞系中，作者第一次发现了哪些基因组区域的子区室在不同的细胞系中是更保守的哪些变化更多一些。研究发现对应于高活性和高度抑制区域的础1和叠3子区室是最保守的，而与兼性异染色质有关的叠1子室的保守性最低。此外，具有细胞类型特异性础1和础2注释的染色质区域包含与基因功能中定义的细胞类型特定功能相关的基因。
背景
在人类和其他高等真核生物的细胞中，染色体折叠组织在细胞核内的三维空间中。同时，不同的染色质位点会相互作用。研究染色质相互作用高通量实验的技术发展（例如Hi-C）促进了对三维基因组认识，并揭示了重要的三维基因组特征（例如A/B区室，A/B compartment）。在1Mb分辨率下，染色体在很大程度上被分为A和B区室。区室A区域通常含有开放和活跃的染色质，而区室B区域大部分在转录上受到抑制。在 Rao et al. （2014） 的文章中，使用来自GM12878细胞系的高覆盖Hi-C数据，发现可以将A/B区室细分成五个主要子区室（subcompartment）：A1，A2，B1，B2和B3。这些Hi-C子隔室显示了与各种基因组和表观基因组特征的独特且更完整的关联。但是，对于GM12878以外的其他细胞系，如果没有极其高覆盖度的Hi-C数据，目前尚无法在这样的细胞系中定义子区室。
投诉侵权
