[发明专利]一种染色质拓扑相关结构域的表征方法及装置

说明书

本发明实施例提供一种染色质拓扑相关结构域的表征方法及装置。所述方法包括：获取待表征染色质拓扑相关结构域TAD对应的Hi‑C数据以及Hi‑C数据分辨率；根据Hi‑C数据的长度和Hi‑C数据分辨率计算获得待表征TAD中的碱基数；根据Hi‑C数据计算待表征TAD占据的细胞核中的空间体积；根据Hi‑C数据分辨率、待表征TAD中的碱基数和待表征TAD占据的细胞核中的空间体积计算获得待表征TAD的致密度，通过致密度来表征待表征TAD。所述装置用于执行所述方法。本发明实施例通过Hi‑C数据分辨率、待表征TAD中的碱基数和待表征TAD占据的细胞核中的空间体积计算获得待表征TAD的致密度，根据致密度能够准确的对待表征TAD进行表征。

技术领域

本发明涉及生物基因领域，具体而言，涉及一种染色质拓扑相关结构域的表征方法及装置。

背景技术

拓扑相关结构域(topologically associated domains，简称TAD)是基因组上空间上分隔开的一些DNA序列。TAD平均长度在1000,000bp左右，其中包含一个或数个基因以及基因的调节元件——增强子(enhancer)。增强子不仅控制这某基因的表达时间，还控制某基因在不同细胞中的选择性表达。TAD之间由边界元件(boundary elements，也称绝缘子)相互隔离，因此TAD内部的基因活性独立于其他TAD。

现有技术中，表征TAD的方法是通过TAD内部相互作用数目，但是TAD内部相互作用数目受计算方法以及阈值选取的影响较大，假阳性高，并且TAD内部相互作用数目受Hi-C数据分辨率影响大，同一个TAD在不同分辨率下相互作用数目变化非常大。由此可知，通过TAD内部相互作用数目来表征TAD的准确率很低。

所以，如何高准确率的表征TAD是现如今亟待解决的课题。

发明内容

有鉴于此，本发明实施例的目的在于提供一种染色质拓扑相关结构域的表征方法及装置，以解决对TAD表征的准确率低的问题。

第一方面，本发明实施例提供了一种染色质拓扑相关结构域的表征方法，包括：

获取待表征染色质拓扑相关结构域TAD对应的Hi-C数据以及Hi-C数据分辨率；

根据所述Hi-C数据的长度和所述Hi-C数据分辨率计算获得所述待表征TAD中的碱基数；

根据所述Hi-C数据计算获得待表征TAD占据的细胞核中的空间体积；

根据所述Hi-C数据分辨率、所述待表征TAD中的碱基数和所述待表征TAD占据的细胞核中的空间体积计算获得所述待表征TAD的致密度，通过所述致密度来表征所述待表征TAD。

进一步地，所述Hi-C数据中包括任意两个基因座之间的相互作用频度，所述根据所述Hi-C数据计算获得待表征TAD占据的细胞核中的空间体积，包括：

根据任意两个基因座之间的相互作用频度和空间尺度参数计算获得所述任意两个基因座之间的期望物理距离；

基因座根据所述期望物理距离利用多维标度分析算法计算获得各基因座的目的三维坐标；

根据所述各基因座的目的三维坐标构建凸包络，计算所述凸包络的体积，以获得所述待表征TAD占据的细胞核中的空间体积。

进一步地，所述根据任意两个基因座之间的相互作用频度和空间尺度参数计算获得所述任意两个基因座之间的期望物理距离，包括：

根据公式计算任意两个基因座之间的期望物理距离；其中，

C_ij为任意两个基因座i和j之间的相互作用频度，i和j均为正整数，γ为空间尺度参数。

进一步地，所述根据所述期望物理距离利用多维标度分析算法计算获得各基因座的目的三维坐标，包括：