A computational pipeline to visualize DNA-protein binding states using dSMF data.
A computational pipeline to visualize DNA-protein binding states using dSMF data.
复制标题
使用dSMF数据可视化DNA-蛋白质结合状态的计算管道。
DOI：
10.1016/j.xpro.2022.101299
复制
发表时间：
2022-06-17
期刊：
影响因子：
--
通讯作者：
Ramachandran, Srinivas
中科院分区：
文献类型：
--
作者：
Rao, Satyanarayan;Ramachandran, Srinivas
在这里，我们提出了一个管道来映射体内蛋白质结合DNA的状态。我们的管道推断以及量化合作绑定。使用双酶单分子足迹（dSMF）数据，我们展示了我们的工作流程如何识别果蝇S2细胞中增强子的结合状态。来自缺乏内源性DNA甲基化的细胞的数据是该管道的先决条件。有关本方案使用和执行的完整详细信息，请参见和。使用dSMF数据量化DNA-蛋白质结合状态的管道该管道可以可靠地映射chomatinized DNA上的共结合事件与MNase-和DNase-seq不同，dSMF映射基因组DNA的未结合状态在这里，我们提出了一个管道来映射体内蛋白质结合DNA的状态。我们的管道推断以及量化合作绑定。使用双酶单分子足迹（dSMF）数据，我们展示了我们的工作流程如何识别果蝇S2细胞中增强子的结合状态。来自缺乏内源性DNA甲基化的细胞的数据是该管道的先决条件。
Here, we present a pipeline to map states of protein-binding DNA in vivo. Our pipeline infers as well as quantifies cooperative binding. Using dual-enzyme single-molecule footprinting (dSMF) data, we show how our workflow identifies binding states at an enhancer in Drosophila S2 cells. Data from cells lacking endogenous DNA methylation are a prerequisite for this pipeline. For complete details on the use and execution of this protocol, please refer to and. Pipeline that uses dSMF data to quantify DNA-protein binding states This pipeline can reliably map cobinding events on chomatinized DNA Unlike MNase- and DNase-seq, dSMF maps the unbound state of genomic DNA Here, we present a pipeline to map states of protein-binding DNA in vivo. Our pipeline infers as well as quantifies cooperative binding. Using dual-enzyme single-molecule footprinting (dSMF) data, we show how our workflow identifies binding states at an enhancer in Drosophila S2 cells. Data from cells lacking endogenous DNA methylation are a prerequisite for this pipeline.
登录
查看更多内容
影响因子：
5.8
作者：
Barnett, Derek W.;Garrison, Erik K.;Marth, Gabor T.
通讯作者：
Marth, Gabor T.
影响因子：
48
作者：
Langmead, Ben;Salzberg, Steven L.
通讯作者：
Salzberg, Steven L.
DOI：
10.1073/pnas.1306723110
发表时间：
2013-05-21
影响因子：
11.1
作者：
Raddatz, Guenter;Guzzardo, Paloma M.;Lyko, Frank
通讯作者：
Lyko, Frank
影响因子：
9.2
作者：
Danecek P;Bonfield JK;Liddle J;Marshall J;Ohan V;Pollard MO;Whitwham A;Keane T;McCarthy SA;Davies RM;Li H
通讯作者：
Li H
影响因子：
16
作者：
Krebs, Arnaud R.;Imanci, Dilek;Schubeler, Dirk
通讯作者：
Schubeler, Dirk