A flexible ChIP-sequencing simulation toolkit.
A flexible ChIP-sequencing simulation toolkit.
复制标题
DOI：
10.1186/s12859-021-04097-5
复制
发表时间：
2021-04-20
影响因子：
3
通讯作者：
Gymrek M
中科院分区：
文献类型：
--
作者：
Zheng A;Lamkin M;Qiu Y;Ren K;Goren A;Gymrek M
评估定量ChIP-seq分析（如峰识别和差异结合）的一个主要挑战是缺乏可靠的基础数据。ChIP-seq数据的精确模拟可以缓解这一挑战，但现有的框架要么过于繁琐，无法在全基因组范围内应用，要么无法对ChIP-seq中的许多重要实验条件进行建模。我们提出了ChIPs，一个工具包，用于使用关键实验步骤的统计模型快速模拟ChIP-seq数据。我们展示了ChIP如何用于一系列应用，包括基准分析工具和评估各种实验参数的影响。ChIP是作为一个用C++编写的独立命令行程序实现的，可以从https://github.com/gymreklab/chips获得。ChIPs是一个高效的ChIP-seq模拟框架，可在灵活的实验条件下生成逼真的数据集。它可以作为各种ChIP-seq分析的重要组成部分，需要地面真实数据。在线版本包含补充材料，可通过10.1186/s12859-021-04097-5获得。
A major challenge in evaluating quantitative ChIP-seq analyses, such as peak calling and differential binding, is a lack of reliable ground truth data. Accurate simulation of ChIP-seq data can mitigate this challenge, but existing frameworks are either too cumbersome to apply genome-wide or unable to model a number of important experimental conditions in ChIP-seq. We present ChIPs, a toolkit for rapidly simulating ChIP-seq data using statistical models of key experimental steps. We demonstrate how ChIPs can be used for a range of applications, including benchmarking analysis tools and evaluating the impact of various experimental parameters. ChIPs is implemented as a standalone command-line program written in C++ and is available from https://github.com/gymreklab/chips. ChIPs is an efficient ChIP-seq simulation framework that generates realistic datasets over a flexible range of experimental conditions. It can serve as an important component in various ChIP-seq analyses where ground truth data are needed. The online version contains supplementary material available at 10.1186/s12859-021-04097-5.
登录
查看更多内容
鉴定雌激素受体结合与乳腺癌的临床结局有关。
影响因子：
64.8
作者：
Ross-Innes, Caryn S.;Stark, Rory;Teschendorff, Andrew E.;Holmes, Kelly A.;Ali, H. Raza;Dunning, Mark J.;Brown, Gordon D.;Gojis, Ondrej;Ellis, Ian O.;Green, Andrew R.;Ali, Simak;Chin, Suet-Feung;Palmieri, Carlo;Caldas, Carlos;Carroll, Jason S.
通讯作者：
Carroll, Jason S.
DOI：
10.1038/nrg3788
发表时间：
2014-11
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
通讯作者：
--
影响因子：
30.5
作者：
Kidder, Benjamin L.;Hu, Gangqing;Zhao, Keji
通讯作者：
Zhao, Keji
影响因子：
4.3
作者：
Datta, Vishaka;Hannenhalli, Sridhar;Siddharthan, Rahul
通讯作者：
Siddharthan, Rahul
影响因子：
4.3
作者：
Guo Y;Mahony S;Gifford DK
通讯作者：
Gifford DK