아크 기대치 최대화에 의한 읽기 정렬
지금 다운로드

아크 순위 및 요약

아크 태그

기대 읽습니다 읽기 정렬 기대 최대화 정렬

아크 설명

예상 최대화로 읽기를 정렬합니다 Arem은 Macs (Chip-Seq 데이터에 대한 모델 기반 분석)를 기반으로합니다. 크로마 틴 면역 침전 (Chip-SEQ)에 연결된 고속 처리량 시퀀싱은 전사 인자, 보조제, 염색질 수정 자의 게놈 차원의 결합 패턴을 특성화하는 데 널리 사용됩니다. 및 다른 DNA 결합 단백질. Chip-Seq 데이터 분석의 핵심 단계는 고 처리량 시퀀싱에서 기준 게놈으로 짧은 읽기를 매핑하고 짧은 읽기로 풍부한 피크 영역을 확인하는 것입니다. 참조 게놈에 고유하게 배치 될 수있는 읽기를 고려할 때, 따라서 반복 서열 내에서 주로 피크를 감지하기위한 저전력을 갖는다. 여기서 우리는 모든 읽기를 사용하여 모든 읽기를 사용하는 칩 -SEQ 데이터 분석을위한 확률 론적 습관을 도입하여 바인딩 패턴의 진정한 게놈 - 넓은 시각을 제공합니다. k 풍부한 영역과 널 게놈 배경에 해당하는 혼합 모델을 사용하여 모델링됩니다. 우리는 최대한의 가능성을 사용하여 농축 된 지역의 위치를 추정하고, 각자라고 불리는 기대 - 최대화 (EM)를 구현하여 각각의 읽기의 정렬 확률을 다른 게놈 위치로 업데이트합니다. 추가 정보는 2011 또는 웹 사이트 방문 : http://cbcl.ics.uci.edu/aremarem은 아래에 설명 된 바와 같이 인기있는 MACS 피크 발신자를 기반으로합니다. 시퀀싱 기술, 염색체 면역 침전수가 높은 처리량 시퀀싱 (칩 - SEQ)가 게놈 차원의 단백질 -DNA 상호 작용을 연구하는 데 널리 사용됩니다. 강력한 칩 -SEQ 분석 방법의 부족을 해결하기 위해 우리는 전사 인자 바인딩 사이트를 식별하기 위해 Chip-Seq (Macs)의 모델 기반 분석이라는 새로운 알고리즘을 제시합니다. 풍부한 칩 영역 및 Mac은 시퀀싱 태그 위치와 방향의 정보를 결합하여 바인딩 사이트의 공간적 해상도를 향상시킵니다. Mac은 Chip-Seq 데이터만으로 쉽게 사용할 수 있거나 특이성이 증가한 제어 샘플을 사용할 수 있습니다. 요구 사항 : · 파이썬

아크 관련 소프트웨어