基于ChIP-Seq数据的染色质状态识别方法研究

论文摘要

随着人类基因组计划、ENCODE计划、千人基因组计划的顺利实施与完成,基因组学研究的重点已经从揭示生物体的遗传信息和密码学转变为分子整体水平的功能研究。高通量测序技术的迅猛发展强有力地推动了功能基因组学的研究,人们逐渐认识到染色质是一个动态的基因组组织者,指导DNA的活动。使用染色质组蛋白修饰信号的组合来注释染色质状态成为发现调控区和细胞种类间特异的活动模式以及解释疾病之间的联系的主要方法。特定DNA调控元件之间的长距离染色质接触在基因表达调控中起着关键作用,在理解信号网络和细胞状态时,必须全局识别这些三维（3D）染色质结构中的相互作用。利用成对末端标记序列（ChIA-PET）进行染色质相互作用分析,从而调节基因表达,并进一步影响其他细胞的活动。本文主要选取了多个细胞系（GM12878,K562,MCF7,Hela-s3）的组蛋白修饰数据,对其进行数据分析及富集水平研究。通过相关的特征选择方法进行特征表示,并配以多种无监督聚类算法进行组合,进行多个细胞系的染色质状态识别。实验表明,基于特征表示与聚类的组合算法具有较好的实现,说明这种思路是合理而有效的。只根据ChIA-Seq数据无法预测三维染色质结构的相互作用,因此在加入ChIA-Pet数据进行标注三维染色质结构的相互作用,进而结合两者形成合理的数据集来进行有监督学习方法的预测。方法中结合了序列特征和表观特征,其中序列特征的处理引入了Word2Vec语言模型,表观特征包括了组蛋白修饰以及DNase-Seq信号。试验结果表明模型有效地识别出长距离染色质的相互作用,完善了染色质状态的三维状态。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 课题背景及研究意义
•     1.1.1 课题背景
•     1.1.2 研究意义
•   1.2 生物数据的发展概况及分析
•     1.2.1 发展概况
•     1.2.2 ChIP-chip与 ChIP-Seq对比
•     1.2.3 ChIA-Pet方法介绍
•   1.3 国内外研究现状
•   1.4 本文的主要研究内容及章节安排
• 第2章 多细胞系组蛋白修饰数据分析
•   2.1 引言
•   2.2 组蛋白修饰数据获取及处理
•     2.2.1 ENCODE数据库
•     2.2.2 组蛋白修饰数据处理流程
•   2.3 多细胞系组蛋白修饰数据分析
•   2.4 本章小结
• 第3章 染色质状态识别的无监督学习方法研究
•   3.1 引言
•   3.2 数据的预处理
•     3.2.1 组蛋白修饰定量
•     3.2.2 归一化
•   3.3 特征表示方法
•     3.3.1 基于局部线性嵌入的特征表示
•     3.3.2 基于自编码网络的特征表示
•   3.4 聚类算法研究
•     3.4.1 基于K均值聚类的染色质状态划分
•     3.4.2 基于谱聚类的染色质状态划分
•     3.4.3 基于AP聚类的染色质状态划分
•     3.4.4 基于DBSCAN聚类的染色质状态划分
•   3.5 聚类任务评价指标
•     3.5.1 轮廓系数法
•     3.5.2 Calinski-Harabasz指标法
•   3.6 实验结果分析
•     3.6.1 染色质状态种类定义
•     3.6.2 实验结果对比分析
•     3.6.3 根据生物先验知识标注染色质状态
•     3.6.4 染色质状态与ChromHMM比较
•   3.7 本章小结
• 第4章 基于CHIA-PET数据识别染色质环方法研究
•   4.1 引言
•   4.2 数据集分析与构建
•     4.2.1 RAD21对长距离染色质结构的作用
•     4.2.2 RAD21ChIA-Pet和ChIA-Seq数据分析
•     4.2.3 训练集及测试集的构建
•   4.3 特征构建与分类模型训练
•     4.3.1 基于Word2Vec模型的序列特征构建
•     4.3.2 其他表观信号特征
•     4.3.3 基于XGBoost分类模型的染色质相互作用预测
•   4.4 正负样本集不平衡处理
•   4.5 分类任务评价指标
•     4.5.1 常用术语
•     4.5.2 评价指标
•   4.6 实验结果及分析
•     4.6.1 不同细胞系结果比较
•     4.6.2 不同特征结果比较
•   4.7 本章小结
• 结论
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 许立

导师: 汪国华

关键词: 染色质状态,组蛋白修饰,特征表示

来源: 哈尔滨工业大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,生物学,电信技术

单位: 哈尔滨工业大学

分类号: Q343.2;TN911.7

DOI: 10.27061/d.cnki.ghgdu.2019.002952

总页数: 66

文件大小: 2966K

下载量: 110