三维基因组数据分析方法进展

作     者：张祥林 方欢 汪小我 ZHANG Xiang-Lin;FANG Huan;WANG Xiao-Wo

作者机构：清华大学自动化系合成与系统生物学研究中心生物信息学教育部重点实验室北京信息科学与技术国家研究中心生物信息学研究部北京100084 

出 版 物：《生物化学与生物物理进展》 (Progress In Biochemistry and Biophysics)

年 卷 期：2018年第45卷第11期

页      面：1093-1105页

核心收录：

学科分类：071011[理学-生物物理学] 0710[理学-生物学] 071010[理学-生物化学与分子生物学] 081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 

基　　金：国家自然科学基金(31371341 61773230 61721003) 清华大学自主科研项目(20141081175)资助~~ 

主　　题：Hi-C 三维基因组学 基因组结构 生物信息学 

摘      要：对染色质三维结构的探究逐渐成为了解基因组功能与基因调控关系的必要手段.近年来,随着高通量染色体构象捕获(Hi-C)等技术的发展和高通量测序成本的降低,全基因组交互作用的数据量快速增长,交互作用图谱分辨率不断提高.这给三维基因组学发展带来机遇的同时,也给计算建模带来了挑战.当前,三维基因组数据的分析方法覆盖面广,包括了数据前期处理、标准化、可视化、特征提取、三维建模等环节,但是如何从中选择高效、准确的方法却成为制约研究者们开展研究的一项关键因素.本文根据这些方法的适用场景、原理及特点进行系统地归纳,并重点关注了针对新技术或新需求的分析方法,以期促进这一领域中信息学方法的应用和开发,助力三维基因组学的研究.