scHiCTools: A computational toolbox for analyzing single-cell Hi-C data.
scHiCTools: A computational toolbox for analyzing single-cell Hi-C data.
复制标题
DOI：
10.1371/journal.pcbi.1008978
复制
发表时间：
2021-05
影响因子：
4.3
通讯作者：
Liu J
中科院分区：
文献类型：
--
作者：
Li X;Feng F;Pu H;Leung WY;Liu J
单细胞Hi-C（scHi-C）测序技术使我们能够在单细胞水平上研究三维染色质组织。然而，我们仍然需要计算工具来处理来自单个细胞的接触映射的稀疏性，并将单个细胞嵌入到低维欧氏空间中。这种嵌入有助于我们了解不同维度的细胞之间的关系，例如细胞周期动力学和细胞分化。我们提出了一个开源的计算工具箱，scHiCTools，用于全面有效地分析单细胞Hi-C数据。该工具箱提供了两种筛选单细胞的方法，三种平滑scHi-C数据的常用方法，三种计算细胞成对相似性的有效方法，三种嵌入单细胞的方法，三种聚类细胞的方法，以及一个内置功能，用于在二维或三维图中可视化嵌入的细胞。scHiCTools使用Python3编写，兼容不同的平台，包括Linux、macOS和Windows。单细胞Hi-C接触图谱描述了整个基因组中基因组位点之间的相互作用数量，并为研究人员提供了每个细胞中的3D染色质组织。人们越来越需要一种简单快速的方法来分析和可视化单电池Hi-C数据，分析单电池Hi-C数据暴露了几个固有的数据分析挑战。为了超越现有的计算工具和方法来分析和可视化单细胞Hi-C数据，我们提出了一个软件包，scHiCTools，它是用Python实现的。该软件包为研究人员提供了一系列方法，可以根据细胞的3D染色质组织来研究细胞与细胞的相似性，将细胞相应地分组，并在二维或三维散点图中可视化细胞。在本文中，我们提供了scHiCTools的结构和功能的概述。然后，我们将scHiCTools应用于几个单细胞Hi-C数据集，以基准测试我们工具箱中提供的方法的性能，并展示使用软件包生成的一些图。
Single-cell Hi-C (scHi-C) sequencing technologies allow us to investigate three-dimensional chromatin organization at the single-cell level. However, we still need computational tools to deal with the sparsity of the contact maps from single cells and embed single cells in a lower-dimensional Euclidean space. This embedding helps us understand relationships between the cells in different dimensions, such as cell-cycle dynamics and cell differentiation. We present an open-source computational toolbox, scHiCTools, for analyzing single-cell Hi-C data comprehensively and efficiently. The toolbox provides two methods for screening single cells, three common methods for smoothing scHi-C data, three efficient methods for calculating the pairwise similarity of cells, three methods for embedding single cells, three methods for clustering cells, and a build-in function to visualize the cells embedding in a two-dimensional or three-dimensional plot. scHiCTools, written in Python3, is compatible with different platforms, including Linux, macOS, and Windows. Single-cell Hi-C contact maps describe the numbers of interactions among genomic loci across the entire genome, and provide researchers 3D chromatin organization in each cell. There are growing demands for an easy and fast way to analyze and visualize single-cell Hi-C data, and analyzing single-cell Hi-C data exposes several inherent data analysis challenges. To move beyond existing computational tools and methods to analyze and visualize single-cell Hi-C data, we present a software package, scHiCTools, which is implemented in Python. The software package provides researchers a collection of methods to investigate the cell-to-cell similarity based on their 3D chromatin organization, cluster cells into groups accordingly, and visualize cells in two-dimensional or three-dimensional scatter plots. In this paper, we provide an overview of scHiCTools’ structure and capabilities. We then apply scHiCTools to several single-cell Hi-C datasets to benchmark the performance of the methods provided in our toolbox, and present some plots generated using the software package.
登录
查看更多内容
影响因子：
48
作者：
Ramani V;Deng X;Qiu R;Gunderson KL;Steemers FJ;Disteche CM;Noble WS;Duan Z;Shendure J
通讯作者：
Shendure J
影响因子：
46.9
作者：
Moon, Kevin R.;van Dijk, David;Krishnaswamy, Smita
通讯作者：
Krishnaswamy, Smita
DOI：
10.1093/bioinformatics/btx152
发表时间：
2017-07-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Yan KK;Yardimci GG;Yan C;Noble WS;Gerstein M
通讯作者：
Gerstein M
影响因子：
5.8
作者：
Ardakany, Abbas Roayaei;Ay, Ferhat;Lonardi, Stefano
通讯作者：
Lonardi, Stefano
单细胞分辨率下染色体组织的细胞周期动力学。
影响因子：
64.8
作者：
Nagano T;Lubling Y;Várnai C;Dudley C;Leung W;Baran Y;Mendelson Cohen N;Wingett S;Fraser P;Tanay A
通讯作者：
Tanay A