Chromatin interaction neural network (ChINN): a machine learning-based method for predicting chromatin interactions from DNA sequences.
Chromatin interaction neural network (ChINN): a machine learning-based method for predicting chromatin interactions from DNA sequences.
复制标题
DOI：
10.1186/s13059-021-02453-5
复制
发表时间：
2021-08-16
期刊：
影响因子：
12.3
通讯作者：
Fullwood MJ
中科院分区：
文献类型：
--
作者：
Cao F;Zhang Y;Cai Y;Animesh S;Zhang Y;Akincilar SC;Loh YP;Li X;Chng WJ;Tergaonkar V;Kwoh CK;Fullwood MJ
染色质相互作用在基因表达调控中起重要作用。然而，全基因组染色质相互作用数据的可用性是有限的。我们开发了一种计算方法，染色质相互作用神经网络（ChINN），仅使用DNA序列来预测开放染色质区域之间的染色质相互作用。ChINN预测CTCF和RNA聚合酶II相关和Hi-C染色质相互作用。ChINN显示出良好的跨样本性能，并捕获用于染色质相互作用预测的各种序列特征。我们将ChINN应用于6例慢性淋巴细胞白血病（CLL）患者样本和84例CLL开放染色质样本的已发表队列。我们的研究结果表明CLL患者样本中染色质相互作用的广泛异质性。在线版本包含补充材料，可通过10.1186/s13059-021-02453-5获得。
Chromatin interactions play important roles in regulating gene expression. However, the availability of genome-wide chromatin interaction data is limited. We develop a computational method, chromatin interaction neural network (ChINN), to predict chromatin interactions between open chromatin regions using only DNA sequences. ChINN predicts CTCF- and RNA polymerase II-associated and Hi-C chromatin interactions. ChINN shows good across-sample performances and captures various sequence features for chromatin interaction prediction. We apply ChINN to 6 chronic lymphocytic leukemia (CLL) patient samples and a published cohort of 84 CLL open chromatin samples. Our results demonstrate extensive heterogeneity in chromatin interactions among CLL patient samples. The online version contains supplementary material available at 10.1186/s13059-021-02453-5.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btr064
发表时间：
2011-04-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Grant CE;Bailey TL;Noble WS
通讯作者：
Noble WS
影响因子：
30.8
作者：
Cao, Qin;Anyansi, Christine;Yip, Kevin Y.
通讯作者：
Yip, Kevin Y.
影响因子：
64.5
作者：
Dowen JM;Fan ZP;Hnisz D;Ren G;Abraham BJ;Zhang LN;Weintraub AS;Schujiers J;Lee TI;Zhao K;Young RA
通讯作者：
Young RA
影响因子：
7
作者：
Cuddapah, Suresh;Jothi, Raja;Zhao, Keji
通讯作者：
Zhao, Keji
影响因子：
9.3
作者：
Durand NC;Shamim MS;Machol I;Rao SS;Huntley MH;Lander ES;Aiden EL
通讯作者：
Aiden EL