ChIP-seq 分析:TF 结合和表观遗传状态(13)

简介: ChIP-seq 分析:TF 结合和表观遗传状态(13)

动动发财的小手,点个赞吧!

1. Data

今天我们将继续回顾我们在上一次研究的 Myc ChIPseq。

这包括用于 MEL 和 Ch12 细胞系的 Myc ChIPseq。

  • 可在此处找到 MEL 细胞系中 Myc ChIPseq 的信息和文件
  • 可在此处找到 Ch12 细胞系中 Myc ChIPseq 的信息和文件

我按照上一节中概述的处理步骤提供了来自 MACS2 的峰值调用。

MEL 和 Ch12 细胞系中 Myc 的峰值调用在下面

2. TF 结合和表观遗传状态

ChIPseq 的一个共同目标是表征全基因组转录因子结合位点或表观遗传状态。

转录因子结合位点和表观遗传事件的存在通常在其假定目标基因的背景下进一步分析,以表征转录因子和表观遗传事件的功能和/或生物学作用。

随着 ENCODE 对转录因子结合位点或表观遗传状态的大规模映射的发布以及用于高通量测序的多重技术的出现,重复 ChIPseq 实验已成为普遍做法,以便对已识别的表观遗传事件具有更高的信心。

除了表观遗传事件的全基因组表征外,ChIPseq 已越来越多地用于识别条件和/或细胞系之间表观遗传事件的变化。

我们一直致力于处理和表征 Mel 细胞系中的 Myc ChIPseq 复制品。

在本次会议中,我们将研究如何在 Mel 细胞系中定义一组高置信度/可重复的 Myc 峰,以及如何识别 Mel 和 Ch12 细胞系之间独特或常见的 Myc 结合事件。

相关文章
|
机器学习/深度学习 自然语言处理 语音技术
从 Seq2Seq 到 Attention:彻底改变序列建模
从 Seq2Seq 到 Attention:彻底改变序列建模
76 0
|
5月前
|
机器学习/深度学习 存储 算法
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
本文详细介绍了回声状态网络(Echo State Networks, ESN)的基本概念、优点、缺点、储层计算范式,并提供了ESN的Python代码实现,包括不考虑和考虑超参数的两种ESN实现方式,以及使用ESN进行时间序列预测的示例。
271 4
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
|
5月前
|
数据可视化
Signac 单细胞|ATAC-seq Call peak
Signac 单细胞|ATAC-seq Call peak
53 0
Signac 单细胞|ATAC-seq Call peak
|
8月前
|
机器学习/深度学习
前向扩散过程(Forward Process)
前向扩散过程(Forward Process)
183 6
|
Serverless
ChIP-seq 分析:Differential Peaks(15)
ChIP-seq 分析:Differential Peaks(15)
376 0
ChIP-seq 分析:Consensus Peaks(14)
ChIP-seq 分析:Consensus Peaks(14)
190 0
|
机器学习/深度学习 数据采集 自然语言处理
直观理解并使用Tensorflow实现Seq2Seq模型的注意机制(上)
直观理解并使用Tensorflow实现Seq2Seq模型的注意机制
290 1
直观理解并使用Tensorflow实现Seq2Seq模型的注意机制(上)
ChIP-seq 分析:数据与Peak 基因注释(10)
今天,我们将继续回顾我们在上一次中研究的 Myc ChIPseq。这包括用于 MEL 和 Ch12 细胞系的 Myc ChIPseq。
177 0
|
数据可视化 Go 数据库
ChIP-seq 分析:基因集富集(11)
转录因子或表观遗传标记可能作用于按共同生物学特征(共享生物学功能、RNAseq 实验中的共同调控等)分组的特定基因组。
327 0
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享
2022小美赛B题The Genetic Process of Sequences序列的遗传过程思路分享