В данной работе мы должны провести кластеризацию генома человека hg19 на основе данных экспериментов CHIPSeq для набора гистоновых меток. Клеточная линия была взята такая же как и в прошлом задании - DND41. Код выполнения работы лежит в коллабе - https://colab.research.google.com/drive/1OSQdkssUITPP3wPNLl6CGURyKppGjEbw?usp=sharing
На входе у нас 12 файлов с размеченными на hg19 пиками гистоновых меток. Взял 12 (больше нет) в надежде получить лучший результат кластеризации так как при 10 вышло не очень. Список файлов и меток:
H2az DND41_H2az.bam
H3k27ac DND41_H3k27ac.bam
H3k27me3 DND41_H3k27me3.bam
H3k36me3 DND41_H3k36me3.bam
H3k04me1 DND41_H3k04me1.bam
H3k04me2 DND41_H3k04me2.bam
H3k04me3 DND41_H3k04me3.bam
H3k79me2 DND41_H3k79me2.bam
H3k09ac DND41_H3k09ac.bam
H3k09me3 DND41_H3k09me3.bam
Контроль для всех экспериментов это файл DND41_Control.bam
Результат работы chromhmm для 10 состояний:
Из графиков сразу видно что кластер 1 это insulator так как находится полностью на пиках CTCF.
Второй кластер это скорее всего polycomb repression так как по большей части находится на H3K27me3.
Кластер 4 похож на heterochromatin из-за H3K9me3.
В кластере 5 наиболее выражена метка H3K36me3. Если посмотреть на кластеризацию Encode на 15 состояний, то видно что они в таком случае определили это как transcriptional elongation
6 кластер скорее всего это эказоны генов так как в нём много H3K36me3
С 7 клстером не уверен, пусть будет transcriptional transition
Кластер 8 является энхансером из-за H3K4me1
9 кластер скорее всего weak enchancer.
Промоутером является кластер 10 так как в нем больше всего H3K4me3 и он находится на CpG островке.
Рассчитаем дополнительные метрики, может станет понятней.
| Cluster | Distinctive Chromatin Modifications | Cluster Size (bp) | Average Length (bp) | Genomic Coverage (%) | Predicted Biological Function |
|---|---|---|---|---|---|
| 1 | CTCF | 20,066,800 | 536 | 0.669 | Insulator |
| 2 | H3K27me3 | 442,348,800 | 10,468 | 14.745 | Polycomb-repressed regions |
| 3 | - | 2,029,129,000 | 18,717 | 67.638 | Unknown1 |
| 4 | H3K27me3 | 49,520,000 | 1,811 | 1.651 | Heterochromatin |
| 5 | H3K36me3 | 142,308,400 | 3,794 | 4.744 | Transcriptional elongation |
| 6 | H3K79me2, H3K4me2 | 197,042,800 | 2,978 | 6.568 | Unknown2 |
| 7 | H3K79me2, H4K20me1 | 99,730,600 | 3,130 | 3.324 | Transcriptional transition |
| 8 | H3K4me1, H3K27ac, H3K4me3 | 28,187,600 | 1,531 | 0.940 | Strong enhancer |
| 9 | H3K4me1, H3K27ac | 54,617,600 | 1,011 | 1.821 | Weak enhancer |
| 10 | H3K4me2, H3K4me3, H3K27ac, H3K9ac | 32,740,000 | 1,520 | 1.091 | Promoter |
Кластер 3 не имеет в себе никаких выроженых меток, скорее всего из-за малого числа меток в эксперементе алгоритм кластеризации отнёс всё что не смог распознать в этот кластер. Это подтверждается черезмерно большим процентом занимемого генома данным кластером
В файле DND41_10_dense.bed были замененты номера кластеров на предсказанные названия (файл получился больше 25 МБ и не поместился на гитхаб, но код для его воспроизведени есть в коллабе). Резальтат завписан в новый файл DND41_10_dense_named.bed. Финальный результат в геномном браузере:
В ходе выполнения домашней работы мы кластеризовали геном на участки используя эпигенетические фактороы (гистоновые метки). У найденных кластеров была идентифицирована биологическая функция