Hi-C测序为研究空间构象提供了新颖、经济高效的手段染色体的数目。我们使用从Hi-C实验中获得的数据为存在空间基因簇。这些是集合具有相关功能的基因在几个相关物种的染色体空间构象上表现出彼此非常接近。
我们提出了第一个能够处理空间数据的基因簇模型。我们的模型概括了一种流行的基因簇预测计算模型,称为δ-团队从序列到图形。按照之前的研究路线,随后,我们扩展了模型,以允许多个顶点与同一标签关联。模型名为δ-有家族的团队, 特别适合我们的应用,因为它能够处理基因重复。我们为这两个模型开发了算法解决方案。我们实施了发现δ-团队和家族的算法,并将其集成到一个全自动的工作流中,以发现Hi-C数据中的基因簇,打电话图形团队我们将其应用于人类和小鼠数据,以找到染色体内和染色体间的候选基因簇。结果包括染色体内簇似乎在空间上比在染色体DNA序列上更接近。我们进一步发现了染色体间基因簇包含人类基因组中不同染色体的基因,但位于小鼠的单个染色体上。
通过识别具有家族的δ团队,我们提供了一个灵活的模型来发现基因簇Hi-C数据中的候选人。我们对人类和小鼠的Hi-C数据进行的分析揭示了几个已知的基因簇(从而验证了我们的方法),但也很少研究较少或可能未知的候选基因簇可能是进一步实验研究的来源。