Using beta-binomial regression for high-precision differential methylation analysis in multifactor whole-genome bisulfite sequencing experiments.
Using beta-binomial regression for high-precision differential methylation analysis in multifactor whole-genome bisulfite sequencing experiments.
复制标题
在多因素全基因组亚硫酸盐测序实验中，使用β-二项式回归进行高精度差甲基化分析。
DOI：
10.1186/1471-2105-15-215
复制
发表时间：
2014-06-24
影响因子：
3
通讯作者：
Smith AD
中科院分区：
文献类型：
--
作者：
Dolzhenko E;Smith AD
全基因组亚硫酸氢盐测序目前提供了表观基因组的最高精度视图，具有关于细胞群体的定量信息，低至单核苷酸分辨率。几项研究已经证明了这种精确度的价值：可以发现与生物功能密切相关的有意义的特征仅与少数CpG位点相关。理解DNA甲基化的作用，以及更广泛地理解DNA可及性的作用，需要在复杂的实验设计中极其精确地鉴定细胞群体之间的甲基化差异。在这项工作中，我们研究了使用β-二项式回归作为一种通用的方法来建模全基因组亚硫酸氢盐数据，以确定差异甲基化位点和基因组间隔。基于回归的分析可以处理中型和大型实验，在这些实验中，准确建模重复之间甲基化水平的变化并考虑各种实验因素（如细胞类型或批次效应）的影响变得至关重要。
Whole-genome bisulfite sequencing currently provides the highest-precision view of the epigenome, with quantitative information about populations of cells down to single nucleotide resolution. Several studies have demonstrated the value of this precision: meaningful features that correlate strongly with biological functions can be found associated with only a few CpG sites. Understanding the role of DNA methylation, and more broadly the role of DNA accessibility, requires that methylation differences between populations of cells are identified with extreme precision and in complex experimental designs. In this work we investigated the use of beta-binomial regression as a general approach for modeling whole-genome bisulfite data to identify differentially methylated sites and genomic intervals. The regression-based analysis can handle medium- and large-scale experiments where it becomes critical to accurately model variation in methylation levels between replicates and account for influence of various experimental factors like cell types or batch effects.
登录
查看更多内容
影响因子：
4.5
作者：
Christensen BC;Houseman EA;Marsit CJ;Zheng S;Wrensch MR;Wiemels JL;Nelson HH;Karagas MR;Padbury JF;Bueno R;Sugarbaker DJ;Yeh RF;Wiencke JK;Kelsey KT
通讯作者：
Kelsey KT
影响因子：
14.9
作者：
Feng H;Conneely KN;Wu H
通讯作者：
Wu H
影响因子：
12.3
作者：
Akalin A;Kormaksson M;Li S;Garrett-Bakelman FE;Figueroa ME;Melnick A;Mason CE
通讯作者：
Mason CE
DOI：
10.1038/nrg3000
发表时间：
2011-07-12
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
通讯作者：
--
影响因子：
64.8
作者：
通讯作者：
--