基于生物信息学的Hi-C研究现状与发展趋势
|
吕红强, 郝乐乐, 刘二虎, 吴志芳, 韩九强, 刘源
|
Current status and future perspectives in bioinformatical analysis of Hi-C data
|
Lyu Hongqiang, Hao Lele, Liu Erhu, Wu Zhifang, Han Jiuqiang, Liu Yuan
|
|
表1 Hi-C数据标准化方法
|
Table 1 Normalization methods of Hi-C data
|
|
方法 | 分类 | 特点 | 实现语言 | 典型程序 | SCN | 隐式,单样本 | 行列归一化的矩阵平衡 | MATLAB | SCN_sumV2.m | HiCNorm | 显式,单样本 | 泊松回归估计系统偏差 | R | HiCNorm.R/HiTC | ICE | 隐式,单样本 | 迭代修正的矩阵平衡 | R,C,Python | HiTC/Hi-Corrector | KR | 隐式,单样本 | 内外迭代的快速矩阵平衡 | MATLAB | BNEWT.m | caICB | 显式,单样本 | 移除拷贝数偏差的改进ICE | R,perl | HiCapp | HiCcompare | 隐式,跨样本 | 双样本,局部加权线性回归 | R | HiCcompare | MultiHiCcompare | 隐式,跨样本 | 多样本,局部加权线性回归 | R | multiHiCcompare | Binless | 隐式,跨样本 | 配对末端序列片段的统计显著性分析 | R | Binless |
|
|
|