北京基因组所等开发从低分辨率Hi-C数据中提取高分辨率3D基因组结构的新步骤
高档真核生物的核内活动, 从基因转录，DNA的复造到DNA危险建复等，都与基因组的三维空间结构息息有关。因而，3D基因组钻研成为近年来的前沿热点领域。Hi-C是目前最常见的全基因组检测染色质三维结构的组学技术。然而，由于Hi-C拥有分辨率相对较低，测序量要求极高的特点，在类似精准医学人群队列这样的大规模项目中，发展高精度的3D基因组钻研在经济上险些无法实现。若何低成本急剧的获得高分辨率的染色质空间结构，成为大规７⒄3D基因组钻研的一大瓶颈。
亚星游戏张治华钻研组与软件所李昂生钻研组合作，开发了利用低分辨率的Hi-C结合其他表观组数据，预测高分辨率的染色质结构域和染色质相互作用的新步骤，使得在大样本中，急剧、低成本获得染色质高精度结组成为一种可能。该钻研以Decoding Topologically Associating Domains with Ultra-low resolution Hi-C Data by Graph Structural Entropy为题于8月15日在线颁发于Nature Communications上。
该步骤重要利用低分辨率的Hi-C预测高分辨率的染色质拓扑结构域(TAD) ；诶畎荷哦又胺⒄沟慕峁剐畔㈧乩砺，该钻研创造性的把Hi-C数据看作是一个相互衔接的网络,开发了deDoc算法。新算法显著区别于当前的其他步骤，能够直接用使用原始测序数据而不必要归一化。正确的归一化步骤对其他的软件来说极度关键，不适当的归一化往往会得到糟糕甚至是谬误的了局。此表，新算法对数据总量的依赖极度低。测试发现，即便只使用低至十个单细胞的Hi-C数据聚合，也能够很清澈的鉴定出类似拓扑结构域的结构。由于deDoc的上述两个重要特点，使得deDoc能够成为在大人群队列中进行高精度三维基因组钻研的重要工具。
张治华团队一向致力于染色质三维结构钻研，此前钻研开发了精确预测染色质相互作用的算法CISD_loop，该算法利用真核生物核幼体在基因组上排布的不均匀性，从核幼体的排布方式上来揣度高精度的染色体相互作用位点，进一步引入低分辨率的HI-C数据来预测染色质的相互作用。通过欠抽样尝试，发现只有极低分辨率的Hi-C数据，CISD_loop就能够高分辨率预测染色质的相互作用。
上述源代码能够通过github下载，钻研得到国度天然基金委和科技部“973”的项目赞助。
deDoc
CISD_loop
