oncologylab/craftgrn

무엇을 해결하는가

CraftGRN은 동적이고 조건 특이적인 유전자 조절 네트워크(GRNs)를 재구성하는 과제를 해결합니다. 이는 염색질 접근성 데이터(ATAC-seq)와 유전자 발현 데이터(RNA-seq)를 통합하여 전사 인자(TFs)가 특정 부위에 어떻게 결합하고 다양한 생물학적 조건에서 표적 유전자를 조절하는지 식별합니다.

작동 방식

이 프레임워크는 세 가지 모듈 파이프라인을 통해 작동합니다:

1. TF 결합 부위 예측: 멀티오믹 데이터를 처리하여 TF 모티프 발자국(footprints)을 합의 클러스터(consensus clusters)로 축소하고, TF 발현과 염색질 접근성 또는 발자국 점수를 상관 분석하여 조건 특이적 결합 부위를 예측합니다.
2. TF와 표적 유전자 연결: 게놈 근접성, 인핸서-유전자 지도 또는 3D 염색질 상호작용 데이터를 사용하여 예측된 결합 부위를 표적 유전자에 연결하고, 발현 및 결합 증거를 기반으로 이러한 연결을 필터링합니다.
3. 조절 토픽 학습: 토픽 모델링(VAE 기반 표현 및 WarpLDA 포함)을 사용하여 RNA 및 발자국 신호로부터 조절 "토픽" 또는 프로그램을 식별하여, 사용자가 조건 간의 조절 연결을 비교하고 차등 네트워크를 시각화할 수 있도록 합니다.

대상 사용자

이 도구는 계산 생물학자와 유전자 조절을 연구하는 연구자, 특히 매칭된 ATAC-seq 및 RNA-seq 데이터셋을 사용하여 조절 프로그램이 다양한 조건이나 종 사이에서 어떻게 변화하는지 이해하려는 연구자를 위해 설계되었습니다.

주요 특징

• 멀티오믹 통합: ATAC-seq와 RNA-seq를 결합하여 TF 결합 및 유전자 표적을 추론합니다.
• 모듈형 워크플로우: 프로세스를 결합 부위 예측, 표적 연결, 토픽 발견으로 분리합니다.
• 고급 모델링: 토픽 모델링과 VAE 기반 표현을 사용하여 고차원 조절 프로그램을 추출합니다.
• 포괄적인 QC: 파이프라인의 각 모듈에 대해 상세한 HTML 품질 관리 보고서를 생성합니다.
• 종간 지원: 인간과 마우스 경로 분석을 위한 특화된 처리를 포함합니다.