Summary
Bizim Bayesian Değişim Noktası (BCP) algoritması Saklı Markov Modelleri ile modelleme değişim noktaları state-of-the-art gelişmeler üzerine inşa ve kromatin immünopresipitasyon sekans (ChIPseq) veri analizi uygular. BCP geniş ve noktasal hem de veri türleri iyi performans sergilediğini, ancak doğru diffüz histon zenginleştirme sağlam, tekrarlanabilir adalar belirlenmesinde öne çıkmaktadır.
Abstract
ChIPseq protein-DNA etkileşmeleri araştırmak için yaygın olarak kullanılan bir tekniktir. Oku yoğunluğu profilleri proteine bağlı DNA sonraki sıralama kullanarak ve bir referans genomuna okur kısa hizalayarak tarafından oluşturulur. Zenginleştirilmiş bölgeler genellikle hedef protein 1 bağlı olarak, şekil olarak büyük ölçüde farklılık dorukları, olarak ortaya çıkar. Örneğin, transkripsiyon faktörleri genellikle site ve sekans-spesifik bir şekilde bağlamak ve histon modifikasyonları daha yaygındır ve zenginleştirme 2 geniş, diffüz adalar ile karakterize edilirken, punktat zirveleri üretme eğilimindedir. Güvenilir bu bölgelerin belirlenmesi Çalışmalarımızın odak noktası oldu.
ChIPseq verilerin analiz edilmesi için algoritmalar buluşsal 3-5 den daha titiz istatistiksel modeller için çeşitli yöntemler, örneğin Hidden Markov Modellerinin (HMM'ler) 6-8 istihdam var. Biz zor olan tanımlamak, geçici parametrelerin sık sık gerekliliğini minimize çözüm aranmasıçözünürlük uzlaşma ve aracı sezgisel kullanılabilirlik azaltmak. HMM tabanlı yöntemler ile ilgili olarak, biz parametre kestirimi usul ve sıklıkla kullanılmaktadır basit, sonlu durumlu sınıflandırmalar kısaltmak amaçlanmıştır.
Ayrıca, geleneksel ChIPseq veri analizi kategorizasyonu içermektedir uygun aracı müteakip uygulaması takip noktasal veya diffüz ya olarak yoğunluk profilleri okumak bekleniyor. Biz daha capably veri türleri tüm spektrumu hitap edebilecek bir tek, daha çok yönlü bir model, bu iki farklı modelleri için ihtiyaç yerini amaçladık.
Bu hedeflere ulaşmak için, öncelikle istatistiksel bir çerçeve inşa sadece açık kullanır HMM'ler 9 bir kesme kenarı peşin, formüller-bir performans avantajları için önemli yeniliği kullanarak doğal modellenmiş ChIPseq veri yapıları. Daha sofistike sonra sezgisel modelleri, bizim SMM Bir aracılığıyla sonsuz gizli durumlar barındırmaktadırBayes modeli. Biz daha zenginleştirme kesimleri tanımlamak okumak yoğunluğu, makul değişim noktaları tanımlamak için uygulanır. Bizim analizimiz bizim Bayesian Değişim Noktası (BCP) algoritması azaltılmış bir hesaplama karmaşıklığı-kanıtladığı kısaltılmış çalışma süresi ve bellek izi tarafından vardı gözler önüne serdi. BCP algoritma başarıyla sağlam doğruluğu ve sınırlı kullanıcı tanımlı parametreler ile noktasal tepe ve diffüz ada tanımlama hem de uygulandı. Bu resimli, çok yönlülüğü ve kullanım kolaylığı hem de. Sonuç olarak, biz onu araştırma grupları arasındaki işbirliği ve corroboration yardımcı olabilir ChIPseq veri analizi için harika bir araç yapma, kolaylıkla karşılaştırılmış ve bir şekilde veri tipleri ve son kullanıcılara geniş aralıkları boyunca kolaylıkla uygulanabilir inanıyorum. Burada, yararlılığını göstermek için mevcut transkripsiyon faktörü 10,11 ve epigenetik verileri 12 BCP uygulamasını göstermek.
Protocol
1. BCP Analiz için giriş Dosyalarının Hazırlanması
- Tercih edilen kısa okuma hizalama yazılımı kullanılarak uygun referans genomu ile çalışır (ChIP ve giriş kütüphaneleri) dizilim elde okur kısa hizalayın. Eşlenen yerle 6 sütun tarayıcı genişletilebilir veri (BED) biçiminde 13 (UCSC genom tarayıcı, dönüştürülmesi gerekir http://genome.ucsc.edu/ pozisyonu başlatmak), eşlenen başına bir sekme ile sınırlandırılmış satır okumak eşlenmiş kromozomun belirten (0-tabanlı), son konum (yarı-açık), adı, skoru (isteğe bağlı) ve iplikçik okuyun.
2a. Profiller okuyun Diffüz: Önişleme ChIP Diffüz Veri Zenginleştirilmiş Adaları tespiti için Yoğunlukları okuyun
- Önceden belirlenmiş bir parça uzunluk, yani ChIP ve giriş eşlenmiş yerle uzatın. Parçanın boyutu genellikle 200 bp etrafında, DNA'nın enzim sindirimi veya sonication sırasında hedef. Fragment sayımları ardından agregabilitesi vardırBitişik bidonları ted. Varsayılan olarak, kutu boyutu 200 bp tahmini parçası uzunluğu ayarlanır.
- Olabilecek herhangi bir değişiklik noktaları aynıdır okumak sayımları ile kutuları bir dizi olacak en dış sınırlarında büyük olasılıkla sonbaharda. Buna göre, bir değişim noktası aynı okuma sayıları iki depo arasında bir iç sınır meydana gelmesi ihtimal dışıdır. Yani, aynı olan grup bitişik kutuları, tek bir blok, yani içine, bin başına okur. bedGraph formatında 13.
2b. Punktat okuyun Profilleri: Punktat Veri Peaks tespiti için Önişleme ChIP ve Giriş YATAK Dosyalar
- Örtüşen Agrega artı ve eksi iplikçik ChIP ayrı okur için okur. Iplikçik Belirli okumak yoğunlukları artı ve eksi doruklarına bimodal profili oluşturmalıdır. En zenginleştirilmiş doruklarına artı / eksi çiftleri seçin ve kütüphane fragment uzunluk için bir tahmin olarak zirve arasındaki mesafe kullanmak.
- ChIP Shift ve giriş yarısı fragmanı le okurdeğiştirdi ve birleştirilmiş artı ve eksi iplikçik okur ve okunan yoğunluk merkezi ve yeniden hesaplamak için ngth. Fragman uzunluğu tahmin edilmesi için bu metodoloji Zhang ve diğ. 3. kabul edilmiştir. Aynı birleştirme sayıları ile Pozisyonlar 2a.2 adıma benzer bloklar halinde gruplandırılmış edilmelidir.
3. Tahmin Posterior bizim BCMIX Yaklaşım kullanan her Blok Yoğunluğu okuyun ortalama
- Her bir bloğun okuma yoğunluk Gamma dağılımları bir karışımı ardından ortalama bir parametre, Γ (α, β) ile, (θ t) Pois, bir Poisson dağılım olarak modellenir ve bir değişim noktası bir olasılık önceki herhangi bir blok sınır meydana geliyor p. on G Pois Tertibatı (θ t) (α, β) etkili modeli sonsuz bir devlet SMM vermektedir. Maksimum posterior olabilirlik kullanarak hiper-parametreleri, α, β, ve p, tahmin edin.
- Açıkça için Bayes tahminleri hesaplamakHer blok, θ, t olarak E (θ t | γ Z). Ileriye daha geleneksel ama zaman alıcı değiştirin ve geri hesaplama daha verimli Sınırlı Karmaşıklık Karışım yaklaşımı ile sık sık HMM'ler kullanılan filtreler, posterior anlamı tahmin etmek, θ c. Çıkan posterior yollarla aynıdır, θ c, bloklar daha da güncellendi sınır koordinatları ile birlikte bloke edilmelidir böylece yaklaşık bir parçalı değişmez profil içine "yumuşatılmış" olacaktır.
4a. Diffüz Zenginleştirme Kesimleri içine Post-proses Posterior Ortalamalar: Profiller okuyun Diffüz
- Giriş sayısı (λ a) Pois, plan oranı olarak her yeni θ c blok başına okur kullanın ve ChIP sonsal ortalama, θ c, bazı eşik δ aşıp aşmadığını dayanan basit bir hipotez testi kullanılarak zenginleştirme belirler. 90. </>-Kantil varsayılan d ve çoğu durumda uygun sup.
- Birleştirme bitişik θ c tek bir bölge ve rapor basit YATAK formatında koordinatları birleştirme içine zenginleştirme aşan blokları. Alternatif olarak, bir okuma yoğunluğu tahminlerinin yüksek çözünürlüklü ayrıntılarını korumak için bedGraph formatında her blok için θ c bildirebilirsiniz.
4b. Tepe Adaylar içine post-proses Posterior Ortalamalar: Punktat Profilleri okuyun
- Tüm okumak sayıları ortalaması (γ 2) olarak, (λ a) Pois, plan oranı tanımlayın ve eşik, d aşan tüm blokları tanımlamak. Punktat zirveleri daha büyük ölçüde zenginleştirilmiş olması bekleniyor olduğundan, varsayılan δ Pois arasında 99 inci-kantil (λ a) ayarlanır.
- Aday zirve zirve olarak maksimal θ c blok ayarlayın ve benzer bir salt den paylaşmak sınırdaş blokları yan yanaversitesi (± 1 küçük değişimlerle için izin sayılır okuyun). Bu bitişik bölge bir aday bağlanma yeri olarak tanımlanır.
- ChIP aday bağlanma yeri ve hipotez test ortalaması okumak sayar gibi λ 2 hesaplayın Bu karşı girişi arka hipotezi vardı, H 0, yani λ 1 bir p-değeri eşik dayalı ≥ λ 2 ve H 0 red. YATAK formatında çıkış adayı zirveleri.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
BCP histon modifikasyonu veri geniş zenginleştirme bölgelerinin saptanması üstünlük sağladı. Bir referans noktası olarak, daha önce SICER 3, güçlü bir performans göstermiştir varolan aracı olanlara sonuçlarını karşılaştırdık. Iyi BCP avantajları göstermek için, biz de başarı oranları değerlendirmek için bir vakıf kurmak için çalışılmış bir histon modifikasyonu incelenmiştir. Aktif olarak kopyalanamaz gen organları (Şekil 1) ile güçlü ilişkilendirmek gösterilmiştir beri bu düşünce ile, biz sonra, H3K36me3 analiz. Bunun tersine, aynı zamanda H3K36me3 H3K27me3 bastırıcı işaretleri için karşılıklı özel olarak ortaya çıkmıştır. Biz daha fazla efekt korelasyon ve anti-korelasyon, bilinen dernek ve disassociations örtüşen fraksiyonu tarafından adanın aramaların doğruluğu BCP performans avantajlarını göstermek için bu bilinen ilişkileri kaldıraçlı. Burada, biz daha fazla ek örnekler kullanarak BCP avantajlarını kanıtlamakyüksek performans.
H3K36me3 zenginleştirme geniş diffüz adalarının geleneksel beklentisi ile daha uyumlu olması büyük adalar; Bizim önceki çalışma BCP çok büyük ada boyutu 23,9-25,8 kb, SICER daha 2,7-10,7 kb için bir eğilim göstermiştir (PLoS Turn Bio, gönderildi). Tabii ki, büyük adalar yalnız doğruluğu anlamına gelmez. Yani, biz bu bölgelerde bilinen genler ile vardı ve intergenik alanı ile örtüşme derecesi, yalancı pozitiflik oranı (FPR) bir göstergesi olan bu tezat örtüşen ne kadar belirlenir. BCP Gen kapsamının ciddi FPR etkilemeden SICER içinde 0,276-0,437 göre 0,492 den 0,497 arasında değişmektedir; 0.89 den 0.90 ve 0.85 BCP ve SICER yılında 0.98 intergenik örtüşme aralığı, sırasıyla. Burada, biz organları-açıkça aktif ve bastırma ayırt zenginleştirme ve gen sınırları arasındaki yakın ilişkiyi gösteren ek bir temsilcisi bölge sunmaked transkripsiyon (Şekil 1). Bu da BCP intergenik uzay, bastırılmış transkripsiyon gen veya H3K27me3 baskıcı işareti ile yanlış pozitif örtüşme derecesini artırmadan yakından gen organlarına hizalanmış sınırları ile H3K36me3 adaları ile aktif genlerin yüksek örtüşme koruduğu iddiamızı desteklemektedir.
BCP-ada tekrarlanabilirliği değerlendirirken iki tekrarlanan veri setlerinde çağrısı yaparken, biz BCP rakip algoritması, SICER salt kapsama derinliği üzerine ağır bağımlılığı muzdarip değildi fark ettim. Biz düşük kapsama derinliği (örnekleme simüle tam veri kümesinden okur) (Şekil 2) rağmen tutarlı bir ada sınırları gösteren ek ayrı bölgelere inceleyerek BCP en sağlamlık ve tekrarlanabilirlik ek delil sağlar.
Tam BCP yönlülüğü göstermek için, biz punktat işareti dahil olmak üzere, histon modifikasyonu veri geniş bir yelpazede eldeH3K27me3 ve H3K36me3 ek olarak H3K27ac s, H3K9ac, ve H3K4me3 ve yaygın işareti H3K9me3. Biz bu veri BCP ve SICER (Şekil 3) için varsayılan parametre ayarları kullanarak ayarlar analiz. Bu işaretler yoğunluğu profillerini okuyabilir ve bizimle sık onlarla ilgili pek çok özelliği gösteren bir bölgeye odaklanmak için izin geniş bir ürün yelpazesi sunmaktayız. Merkezinde aktif transkripsiyon işaretleme PXDN geninde H3K36me3 zenginleştirme yatıyor. Transkripsiyon başlatma yerinde beklendiği düşen ilave benekli, aktif işaretleri, H3K27ac, H3K9ac, ve H3K4me3 vardır. Sadece aşağı PXDN arasında H3K27me3 zenginleşmesi ile işaretlenmiş intergenik alanı bastırılanlardır. Karşı kanadında bir H3K27me3 bastırılmış gen yatıyor. Dışarı bir adım daha hareketli gibi daha az geçici anlamda o H3K27me3 baskı, belki de SNTG2 ve MYT1L susturulmalarını göstermek için görünür H3K9me3 zenginleştirme varlığı ile gösterilir, kromatin susturuldu. Bu bölge, en fenomenlerin çoğunluğu kapsarhiston modifikasyonların ChIPseq giderilir ve aynı zamanda H3K27me3 ve H3K9me3 baskı ve H3K36me3 aktif transkripsiyon büyük bitişik adalar ayırt sırasında BCP dinamik doğası benekli asetilasyonu ve H3K4me3 işaretleri de tespit nasıl göstermektedir. Yinelemek gerekirse, BCP gösterdiği gibi, hala ne olursa olsun veri türü, kaliteli sonuçlar üretmek, sadece varsayılan ayarları bu analizler gibi tüm şeyi yapabilirsiniz. Algoritma aynı zamanda hızlı ve bellek verimli ve böylece pratikte zorlayıcı kullanışlılığı sağlar.
Şekil 1. Histon modifikasyonları yoğunluğu profillerini okuyun Diffüz. H3K27me3 (üst) ve H3K36me3 (alt) kuvvetli gen organları (yeşil kutu) ile ilişkili geniş, diffüz zenginleştirme adalar örneklemektedir. Bastırılmış genler ve intergenik alan ve aktif tr ile anticorrelates ile H3K27me3 koreleanscribed gen organları. Ters H3K36me3 için de geçerlidir. Veri UCSC genom tarayıcı (in görüntülenmiştir http://genome.ucsc.edu ).
Şekil 2. BCP sağlam ve tekrarlanabilir olduğunu. Island iki H3K36me3 çoğaltır çağırır ve tam çoğaltmak 1 dataset 30, 50 ve% 70 arasında derinliklerde örnekleme de BCP ile analiz edildi. İkinci tekrarlanan bir ölçüde daha düşük okuma kapsamında olan benzer ada çağrı üretilmiş ve üst üste gelme derecesi ne olursa olsun, son derece oran örnekleme muhafaza edildi. RefSeq gen vücut açıklamalarla sınırları yakın uyumu görüldüğü gibi Dahası, adalar doğruluğu kalmıştır.
Şekil 3. BCP bir tam tersi olduğunuTüm histon modifikasyonları veri türleri için uygulanabilir kiremit algoritma. BCP ve SICER H3K36me3, H3K27me3 ve H3K9me3 gibi işaretleri diffüz, H3K27ac, H3K9ac ve H3K4me3 gibi punktat işaretlerinden, veri tipleri gamı ile analiz edilmiştir. SICER genellikle alt-adalar birçok içine bölgelerde parçaladı ise hem algoritmalar için varsayılan parametreleri kullanarak, BCP adalar bakılmaksızın genişliği zenginleştirilmiş yoğunluğu yakalamak. Hatta H3K9me3 son derece geniş ve yaygın durumda, BCP makul bir performans var.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Biz eşit derecede iyi hem noktasal ve yaygın veri yapılarını tanımlayabilir ChIPseq verilerin analiz edilmesi için bir model geliştirmek için yola çıktı. Şimdiye kadar, zenginleştirme bölgelerinde, büyük ada boyutu önvarsayıyordu beklentilerini yansıtan, özellikle diffüz bölgeleri, tespit etmek zor olmuştur. Bu sorunları çözmek için, varolan sezgisel model ve daha az yenilikçi HMM'ler üzerinde birçok avantajı sahip SMM teknolojisindeki en son gelişmeler, kullandı.
Bizim modelimiz açık formüller ile Bayes çatıyı kullanan. Bu bize posterior yollarla hesaplamak sağlayan, diğer HMM'ler gelen önemli bir ayrımdır, daha ziyade böyle bir Markov zinciri Monte Carlo yöntemleri gibi zaman alıcı ve masraflı hesaplama simülasyonlar güvenmek yerine, basit hesaplamalar ile, her segmentin yoğunluğu okumak bekleniyor. Sonuç olarak, bizim hesaplama süreleri ve bellek gereksinimleri büyük ölçüde azalmıştır. Yüksek performanslı bilgi işlem kümeleri wi kullanmainci çift çekirdekli, analiz 64-bit bellek 2 GB ile 2.0 Ghz düğümleri ~ 23 milyon H3K27me3 okur veya ~ 21 milyon H3K36me3 okur, BCP diğer yöntemler için gerekli gün birkaç saat ile karşılaştırıldığında daha az tüm genom analizi için bir saatten fazla sürdü. Bu timesavings bellek sadece mütevazi 2 GB ile elde edilebilir.
Ayrıca, bizim model koşulları her segment, yani çeşitli yollarla. Sürekli bir Gamma dağılımı, (θ) Pois. Esasen, bu her segment için sonsuz olası durumlar için izin verir. BCP zenginleştirilmiş karşı plan basit ikili sınıflandırmalar daha fazla sağlamak ve çıkış arka yollarla her segment için salt yoğunluk büyüklükleri korur yapabilirsiniz.
Ayrıca hesaplama verimliliği BCMIX algoritma kullanır. Bu zenginleştirme ve olası tüm genomik pozisyonların plan arasında geçiş noktaları için yakın kapsamlı bir arama sağlar. Bu yüksek bir çözünürlük değil c sağlarçalışma süresi veya hafıza talepleri üzerinde az etkisi olan, keyfi pencere tanımları ile onfined.
Modeli istatistiksel titiz olduğunu ve burada gösterdiği gibi, sonuçları, pratikte de, Bayes kestirim yakınsayacağı çünkü bu bütün, teoride hem rahatsızlık vermesini doğruluğu, olmadan gerçekleştirilir. Bizim H3K36me3 sonuçları gen kapsama adanın aramalar bilinen karşılıklı dışlanmış intergenik boşluk veya H3K27me3 zenginleşmeyi tecavüz etmeden son derece doğru olduğunu göstermektedir. Dikkat çekici sonuçlar tekrarlanabilir ve sağlam olan% 30 gibi düşük bir örnekleme derinlikleri rağmen yüksek gen kapsamı ve düşük FPR ile benzer adalar çağırarak, kapsama derinliği çok az bağımlılık gösterdi. BCP histon modifikasyonu ve transkripsiyon faktörü ChIPseq veri geniş bir dizi analiz etmek, varsayılan parametreler herhangi bir ayarlama yapmadan, genel olarak kullanılan ve bütün durumlarda iyi yapıldı. Biz onun yüksek doğruluk, sağlamlık ve tekrarlanabilirlik nedeniyle, BCP etkin olarak hizmet edeceğini umuyoruzGelecekte veri analizi, işbirliği ve doğrulama aracı.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Çıkar çatışması ilan etti.
Acknowledgments
STARR vakıf ödülü (MQZ), NIH hibe ES017166 (MQZ), NSF hibe DMS0906593 (HX).
Materials
| Name | Company | Catalog Number | Comments |
| Linux-based workstation |
References
- Park, P. J. ChIP-seq: advantages and challenges of a maturing technology. Nat. Rev. Genet. 10, 669-680 (2009).
- Barski, A., et al. High-resolution profiling of histone methylations in the human genome. Cell. 129, 823-837 (2007).
- Zhang, Y., et al.
- Zang, C., et al. A clustering approach for identification of enriched domains from histone modification ChIP-Seq data. Bioinformatics. 25, 1952-1958 (2009).
- Jothi, R., Cuddapah, S., Barski, A., Cui, K., Zhao, K. Genome-wide identification of in vivo protein-DNA binding sites from ChIP-Seq data. Nucleic Acids Res. 36, 5221-5231 (2008).
- Qin, Z. S., et al. HPeak: an HMM-based algorithm for defining read-enriched regions in ChIP-Seq data. BMC Bioinformatics. 11, 369 (2010).
- Song, Q., Smith, A. D. Identifying dispersed epigenomic domains from ChIP-Seq data. Bioinformatics. 27, 870-871 (2011).
- Spyrou, C., Stark, R., Lynch, A. G., Tavaré, S. BayesPeak: Bayesian analysis of ChIP-seq data. BMC Bioinformatics. 10, 299 (2009).
- Lai, T., Xing, H. A simple Bayesian approach to multiple change-points. Statistica Sinica. , (2011).
- Robertson, G., et al. Genome-wide profiles of STAT1 DNA association using chromatin immunoprecipitation and massively parallel sequencing. Nat. Methods. 4, 651-657 (2007).
- Stitzel, M. L., et al. Global epigenomic analysis of primary human pancreatic islets provides insights into type 2 diabetes susceptibility loci. Cell Metab. 12, 443-455 (2010).
- Bernstein, B. E., et al. The NIH Roadmap Epigenomics Mapping Consortium. Nat. Biotechnol. 28, 1045-1048 (2010).
- Karolchik, D., et al. The UCSC Table Browser data retrieval tool. Nucleic Acids Res. 32, 493-496 (2004).
- Matys, V., et al. TRANSFAC: transcriptional regulation, from patterns to profiles. Nucleic Acids Res. 31, 374-378 (2003).
- Portales-Casamar, E., et al. JASPAR 2010: the greatly expanded open-access database of transcription factor binding profiles. Nucleic Acids Res. 38, D105-D110 (2010).
