CpG islands or CpG clusters: how to identify functional GC-rich regions in a genome?
CpG islands or CpG clusters: how to identify functional GC-rich regions in a genome?
复制标题
CpG 岛或 CpG 簇：如何识别基因组中功能性富含 GC 的区域？
DOI：
10.1186/1471-2105-10-65
复制
发表时间：
2009-02-20
影响因子：
3
通讯作者：
Zhao Z
中科院分区：
文献类型：
--
作者：
Han L;Zhao Z
CpG岛（CpG islands，CGIs）是位于基因5'端的一组CpG二核苷酸，被认为是基因标记。Hackenberg等人（2006）最近开发了一种新的算法，CpGcluster，它使用了与以前的传统算法完全不同的数学方法。他们的评估表明，CpGcluster提供了一种更有效的方法来检测功能性CpG簇或CpG岛。我们系统地比较了CpGcluster与Takai和Jones（2002）的传统算法。我们对（1）岛的数量与基因组中基因的数量，（2）岛在不同基因组区域中的分布，（3）岛的长度，（4）两个相邻岛之间的距离，以及（5）甲基化状态的比较表明，Takai和Jones的算法总体上更适合于识别脊椎动物基因组中与启动子相关的CpG岛。基因组序列和DNA甲基化数据的生成预计将大大加快。本研究的信息在基因特征分析和表观基因组学包括基因预测和不同基因组甲基化芯片设计中具有重要的应用价值。
CpG islands (CGIs), clusters of CpG dinucleotides in GC-rich regions, are often located in the 5' end of genes and considered gene markers. Hackenberg et al. (2006) recently developed a new algorithm, CpGcluster, which uses a completely different mathematical approach from previous traditional algorithms. Their evaluation suggests that CpGcluster provides a much more efficient approach to detecting functional clusters or islands of CpGs. We systematically compared CpGcluster with the traditional algorithm by Takai and Jones (2002). Our comparisons of (1) the number of islands versus the number of genes in a genome, (2) the distribution of islands in different genomic regions, (3) island length, (4) the distance between two neighboring islands, and (5) methylation status suggest that Takai and Jones' algorithm is overall more appropriate for identifying promoter-associated islands of CpGs in vertebrate genomes. The generation of genome sequence and DNA methylation data is expected to accelerate greatly. The information in this study is important for its extensive utility in gene feature analysis and epigenomics including gene prediction and methylation chip design in different genomes.
登录
查看更多内容
影响因子：
56.9
作者：
Carninci, P;Kasukawa, T;Hayashizaki, Y
通讯作者：
Hayashizaki, Y
CpG岛密度及其与哺乳动物基因组中基因组特征的相关性。
影响因子：
12.3
作者：
Han L;Su B;Li WH;Zhao Z
通讯作者：
Zhao Z
影响因子：
30.8
作者：
Ioshikhes, IP;Zhang, MQ
通讯作者：
Zhang, MQ
影响因子：
4.4
作者：
Jiang, Cizhong;Zhao, Zhongming
通讯作者：
Zhao, Zhongming
影响因子：
30.8
作者：
Weber, Michael;Hellmann, Ines;Schubeler, Dirk
通讯作者：
Schubeler, Dirk