JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.
Chapters
- 00:05Title
- 02:43Preprocessing: Preparing Input Files for Bayesian Change-point (BCP) Analysis & ChIP Read Densities for Detection of Enriched Islands in Diffuse Data
- 04:48Estimating the Posterior Mean Read Density of Each Block using BCMIX Approximation
- 06:24Post-processing Posterior Means of Diffuse Read Profiles
- 07:06Results: Comparison of BCP and SICER in Analysis of Histone Modification Data
- 11:47Conclusion
Notre point de changement bayésien (BCP) algorithme s'appuie sur l'état de l'art des progrès de la modélisation ruptures par modèles de Markov cachés et les applique à immunoprécipitation de la chromatine séquençage (ChIPseq) l'analyse des données. BCP se comporte bien dans les types de données à la fois larges et ponctuées, mais il excelle dans l'identification précise robustes, reproductibles îles de l'enrichissement d'histone diffuse.
Tags
Bayesian Change-point AlgorithmGenome-wide AnalysisChIPseq Data TypesProtein-DNA InteractionsRead Density ProfilesPeaksTranscription FactorsHistone ModificationsStatistical ModelsHidden Markov Models (HMMs)Ad Hoc ParametersResolutionUsabilityParameter Estimation ProceduresFinite State Classifications
