[发明专利]三维基因组Hi-C数据中TAD嵌套结构检测方法及系统

说明书

本公开提出了三维基因组Hi‑C数据中TAD嵌套结构检测方法及系统，包括：针对获取的低分辨率Hi‑C数据，进行双端测序并各自对比，根据对比结果进行合并并筛选有效配对后，用有效的配对构建接触矩阵；运用深度学习网络模型对低分辨率Hi‑C数据进行增强；利用原始低分辨率Hi‑C数据和增强后不同来源的Hi‑C数据，检测TAD嵌套结构。结合了数据增强和结构检测两部分功能，通过输入不同精度的Hi‑C实验数据，能够得到同样全面细致的TAD及其嵌套结构整体分析，在突破实验条件限制的同时降低了测序成本，提升了本方法可应用的范围。

技术领域

本公开属于计算机数据处理技术领域，尤其涉及三维基因组Hi-C数据中TAD嵌套结构检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

基因与人类生命健康密切关联，人类日常生理活动离不开基因的表达与调控，缺陷或病变基因能够影响相关疾病进程，若能够提早发现基因问题进行预防和控制，才可以有效控制疾病的发展。因此，基因一直是各国学者研究的重要课题。随着时代发展，研究技术不断进步，利用计算机对生物学领域，尤其是基因相关的庞大数据进行统计、模拟和管理的计算生物学给生物研究拓宽了全新的视野。通过数据分析，能够让原本不可见的基因遗传信息变得可被研究；通过模拟数据和建立模型，也能够让对基因的设想转变为可验证的假设，不断加深研究者对基因的认识。

人类等真核生物的DNA不仅仅建立在一条线性链的基础上。DNA在细胞核内经过高度折叠和浓缩，使得染色质在空间上具有一定的复杂结构和构象。研究表明，这种结构和构象在基因表达和调控过程中起到了相当重要的作用。想要彻底了解基因表达、转录、修复等过程，有必要染色质在聚集方式、接触方式、空间分布以及动态结构等各个方面进行探查和了解，进一步加深对基因的认识。如何利用数据技术手段，在庞大的数据中精准确定病变基因，成为基因治疗的关键问题。

当前很多研究者尝试用不同的方法对染色质的三维结构进行重构、复现并试图了解染色质三维结构在空间结构方面对基因表达的各类影响，如荧光标记的原位杂交技术可以用来标记并研究染色质三维结构；染色质构象捕获，简称3C技术关注基因组中一对一位点的相互作用；4C技术在3C分析计数基础之上加入了一对多位点的相互作用研究分析；5C技术通过拷贝，增加3C技术中相互作用位点检测通量，实现了多对多位点的相互作用研究分析。可以看出，以上技术只针对部分位点，并不能对基因组当中所有位点进行整体相互作用的分析。基于3C技术原理发展的高通量染色体构象捕获Hi-C技术结合了高通量测序技术，研究并分析基因组所有位点之间相互作用关系，已成为研究染色体空间组织的有力工具，它测量整个基因组中所有成对相互作用频率。在过去的研究中，Hi-C技术发现了A/B室、拓扑关联域TAD、染色质环和频繁相互作用的区域FIREs等基因组模式，因此极大地扩展了对三维基因组组织和基因调控机制的了解。