ஜர்னல் ஆஃப் டேட்டா மைனிங் இன் ஜெனோமிக்ஸ் & புரோட்டியோமிக்ஸ்

சுருக்கம்

சிஐபி-செக் டேட்டாவுக்கான மாதிரி-இலவச அனுமானம்

Mingqi Wu, Monique Rijnkels மற்றும் Faming Liang

அதன் உயர் தெளிவுத்திறன் மேப்பிங் மற்றும் வலுவான சிஐபி செறிவூட்டல் சமிக்ஞைகள் காரணமாக, ChIP-seq ஆனது மரபணு அளவிலான புரதம்-டிஎன்ஏ தொடர்புகளைப் படிப்பதில் ChIP-சிப் தொழில்நுட்பத்தை மாற்ற முனைகிறது, அதே நேரத்தில் மிகப்பெரிய டிஜிட்டல் சிஐபி-செக் தரவு புள்ளியியல் வல்லுநர்களுக்கு புதிய சவால்களை அளிக்கிறது. இன்றுவரை, ChIP-seq தரவு பகுப்பாய்வுக்கான இலக்கியத்தில் முன்மொழியப்பட்ட பெரும்பாலான முறைகள் மாதிரி அடிப்படையிலானவை, இருப்பினும், உயிரியல் அமைப்புகளின் சிக்கலான தன்மை மற்றும் வரிசைப்படுத்தும் செயல்பாட்டில் உருவாக்கப்படும் மாறுபாடுகளைக் கருத்தில் கொண்டு, அனைத்து தரவுத்தொகுப்புகளுக்கும் ஒரே மாதிரியை கண்டுபிடிப்பது சாத்தியமற்றது. இந்தத் தாளில், சிஐபி-சீக் தரவுப் பகுப்பாய்விற்காக, எம்ஐசிஎஸ் (சிஐபி-சேக்கிற்கான மாடல்-ஃப்ரீ இன்ஃபெரன்ஸ்) என்று அழைக்கப்படும் மாதிரி-இல்லாத அணுகுமுறையை நாங்கள் முன்வைக்கிறோம். தற்போதுள்ள முறைகளை விட MICS சில நன்மைகளைக் கொண்டுள்ளது: முதலாவதாக, MICS தரவு விநியோகத்திற்கான அனுமானங்களைத் தவிர்க்கிறது, இதனால் தரவுக்கான மாதிரி அனுமானங்கள் மீறப்பட்டாலும் அதிக சக்தியைப் பராமரிக்கிறது. இரண்டாவதாக, தவறான கண்டுபிடிப்பு விகிதத்தை மதிப்பிடுவதில் MICS ஒரு உருவகப்படுத்துதல் அடிப்படையிலான முறையைப் பயன்படுத்துகிறது. உருவகப்படுத்துதல்-அடிப்படையிலான முறையானது சிஐபி மாதிரிகளிலிருந்து சுயாதீனமாக செயல்படுவதால், பல்வேறு சிஐபி மாதிரிகளுக்கு எம்ஐசிஎஸ் வலுவாக செயல்பட முடியும்; செறிவூட்டல் பலவீனமாக இருக்கும் இடங்களில் கூட, உச்சப் பகுதிகளின் துல்லியமான அடையாளத்தை உருவாக்க முடியும். மூன்றாவதாக, MICS கணக்கீட்டில் மிகவும் திறமையானது, இது ஒரு தனிப்பட்ட கணினியில் நியாயமான பெரிய தரவுத்தொகுப்புக்கு சில வினாடிகள் மட்டுமே ஆகும். இந்தத் தாளில், ChIP-seq தரவை உருவகப்படுத்துவதற்கான எளிய அரை அனுபவ முறையையும் நாங்கள் முன்வைக்கிறோம், இது ChIP-seq தரவு பகுப்பாய்விற்கான வெவ்வேறு அணுகுமுறைகளின் செயல்திறனை சிறப்பாக மதிப்பிட அனுமதிக்கிறது. உண்மையான மற்றும் உருவகப்படுத்தப்பட்ட தரவுத்தொகுப்புகளின் அடிப்படையில் MACS, CCAT, PICS, BayesPeak மற்றும் QuEST உள்ளிட்ட பல ஏற்கனவே உள்ள முறைகளுடன் MICS ஒப்பிடப்படுகிறது. MICS மற்றவர்களை விட சிறப்பாக செயல்பட முடியும் என்பதை எண் முடிவுகள் குறிப்பிடுகின்றன. கிடைக்கும் தன்மை: MICS எனப்படும் R தொகுப்பு http://www.stat.tamu.edu/~mqwu இல் கிடைக்கிறது.