Exploiting sequence-based features for predicting enhancer-promoter interactions.
Exploiting sequence-based features for predicting enhancer-promoter interactions.
复制标题
DOI：
10.1093/bioinformatics/btx257
复制
发表时间：
2017-07-15
期刊：
影响因子：
--
通讯作者：
Ma J
中科院分区：
文献类型：
--
作者：
Yang Y;Zhang R;Singh S;Ma J
大量的远端增强子和近端启动子形成增强子-启动子相互作用以调节人类基因组中的靶基因。虽然最近的高通量全基因组定位方法使我们能够更全面地认识到潜在的增强子-启动子相互作用，但很大程度上仍然不知道单独基于序列的特征是否足以预测这种相互作用。在这里，我们开发了一种新的计算方法（命名为PEP）来预测增强子-启动子相互作用的基础上，基于序列的功能，当假定的增强子和启动子在一个特定的细胞类型的位置。PEP中的两个模块（PEP-Motif和PEP-Word）使用不同但互补的特征提取策略来利用基于序列的信息。六种不同细胞类型的结果表明，与使用功能基因组信号的最先进方法相比，我们的方法在预测增强子-启动子相互作用方面是有效的。我们的工作表明，基于序列的特征本身可以可靠地预测增强子-启动子的相互作用，这可能有助于发现重要的序列决定因素的长距离基因调控。PEP的源代码可在https://github.com/ma-compbio/PEP上获得。 补充数据可在Bioinformatics在线获得。
A large number of distal enhancers and proximal promoters form enhancer–promoter interactions to regulate target genes in the human genome. Although recent high-throughput genome-wide mapping approaches have allowed us to more comprehensively recognize potential enhancer–promoter interactions, it is still largely unknown whether sequence-based features alone are sufficient to predict such interactions. Here, we develop a new computational method (named PEP) to predict enhancer–promoter interactions based on sequence-based features only, when the locations of putative enhancers and promoters in a particular cell type are given. The two modules in PEP (PEP-Motif and PEP-Word) use different but complementary feature extraction strategies to exploit sequence-based information. The results across six different cell types demonstrate that our method is effective in predicting enhancer–promoter interactions as compared to the state-of-the-art methods that use functional genomic signals. Our work demonstrates that sequence-based features alone can reliably predict enhancer–promoter interactions genome-wide, which could potentially facilitate the discovery of important sequence determinants for long-range gene regulation. The source code of PEP is available at: https://github.com/ma-compbio/PEP. Supplementary data are available at Bioinformatics online.
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：
64.8
作者：
Sanyal, Amartya;Lajoie, Bryan R.;Jain, Gaurav;Dekker, Job
通讯作者：
Dekker, Job
影响因子：
64.8
作者：
通讯作者：
--
DOI：
10.1038/nrg3663
发表时间：
2014-04
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Ong CT;Corces VG
通讯作者：
Corces VG
影响因子：
64.8
作者：
Dixon JR;Jung I;Selvaraj S;Shen Y;Antosiewicz-Bourget JE;Lee AY;Ye Z;Kim A;Rajagopal N;Xie W;Diao Y;Liang J;Zhao H;Lobanenkov VV;Ecker JR;Thomson JA;Ren B
通讯作者：
Ren B