NatureMethods|鄭曄開發三維基因組數據高保真模擬新工具

　　染色體構象捕獲3C（chromosome conformation capture【1】）和Hi-C（high-throughput chromosomeconformation capture【2,3】）測序技術已經逐漸成熟，成為研究遠距離基因調控機制的重要方法。越來越多的學者提出分析Hi-C數據信號探測的模型和算法，但由于Hi-C數據深度測序成本巨大，而大部分檢驗結果無法進行實驗驗證真偽，因而迫切需要一個穩定的Hi-C數據模擬方法來進行基準測試和評估。目前，只有一個系統的Hi-C 數據模擬方法即Sim3C【4】，卻由于三維基因組數據結構過于復雜，Sim3C模型無法捕獲所有Hi-C數據的基本特征，再加上參數模型強加的一系列假設，使得模擬出來的Hi-C數據矩陣與真實Hi-C數據矩陣相差甚遠（下圖）。此外降采樣（downsampling）和生物樣本間置換（permutation）作為常見的測試方法，也有各自無法避免的局限。

　　2019年11月11日，來自威斯康星大學麥迪遜分校的鄭曄博士和 Sunduz Keles教授在Nature Methods發表了題為“FreeHi-C simulates high fidelity Hi-C data for benchmarking and dataaugmentation”的論文，提出了一個全新的Hi-C數據高保真模擬方法，即FreeHi-C, 使得三維基因學基準測試更為合理，并且通過模擬數據擴增（data augmentation）顯著提高了信號差異分析的檢測精度（precision）與強度（power）并且有效地控制錯誤發現率（false discovery rate）。

　　目前，Hi-C數據的模擬方法都是通過學習Hi-C數據矩陣特征，比如接觸距離（contact distance）、拓撲相關結構域（TopologicallyAssociating Domains，TADs）、染色質環（ chromatin loops ）等，直接模擬出n x n的矩陣。但由于基因組三維立體結構非常復雜，結構之間的關系也尚未明晰，因而直接模擬矩陣效果并不理想。FreeHi-C則選擇從Hi-C實驗過程【2,3】的角度，通過非參數模型，模擬實驗中每一步生成的數據，獲得模擬基因序列（sequencing data），再進行與真實數據相同的基因序列處理，得到高保真的Hi-C模擬數據矩陣（下圖）。FreeHi-C一大優勢是使用者可以任意設定測序深度（sequencing depth，即基因序列總個數），而基因測序深度是影響Hi-C數據質量，分析效果強度的主要因素。此外，使用者可以通過調節模擬基因序列的錯配（mismatches）、空位（gaps）、嵌合序列（chimeric reads）的比率來控制模擬數據與真實數據之間的相似度。

　　文章中，作者通過與Sim3C以及降采樣（downsampling）的對比，展示出FreeHi-C對真實Hi-C數據結構各個層面（A/B compartment，TADs等）的精準模擬。同時，對diffHic【5】，multiHiCcompare【6】，FIND【7】，Selfish【8】四種差異信號檢測（differential chromatin interaction detection）方法的比較分析中，FreeHi-C的推斷結論一致，且不受測序深度的限制。最后，作者提出可以通過數據擴增（data augmentation），將模擬Hi-C數據加入差異信號檢驗中，以克服生物學重復（biological replicate）數量過少的問題。FreeHi-C模擬數據的加入極大地提高了檢測的精度和強度，同時控制錯誤發現率在理想范圍內（下圖）。

　　原文鏈接：

　　https://doi.org/10.1038/s41592-019-0624-3

　　參考文獻

　　1. Dekker, J., Rippe, K., Dekker, M., Kleckner, N.:Capturing chromosome conformation. Science 295(5558)(2002)1306–11

　　2. Lieberman-Aiden,E.,VanBerkum,N.L.,Williams,L.,Imakaev,M.,Ragoczy,T.,Telling,A., Amit, I., Lajoie, B.R., Sabo, P.J., Dorschner, M.O., et al.: Comprehensive map -ping of long-range interactions revealsfolding principles of the human genome. Science 326(5950) (2009)289–293

　　3. Rao,S.S.P.,Huntley,M.H.,Durand,N.C.,Stamenova,E.K.,Bochkov,I.D.,Robinson,J.T., Sanborn,A.L.,Machol,I.,Omer,A.D.,Lander,E.S.,Aiden,E.L.:A3Dmapofthehuman genome at kilobase resolutionreveals principles of chromatin looping. Cell 159(7)(2014) 1665–1680

　　4. DeMaere, M.Z., Darling, A.E.: Sim3c: simulation ofhi-c and meta3c proximity ligation sequencingtechnologies. GigaScience 7(2)(2017)gix103

　　5. Lun, A.T., Smyth,G.K.: diffHic: a Bioconductor package to detect differential genomicinteractions in Hi-C data. BMC Bioinformatics 16(1) (2015)258

　　6. Stansfield, J.C., Cresswell, K.G., Dozmorov, M.G.: multiHiCcompare: jointnormalization and comparative analysis of complex hi-c experiments.Bioinformatics(2019)

　　7. Djekidel,M.N.,Chen,Y., Zhang,M.Q.:Find:differentialchromatininteractionsdetectionusing a spatial poisson process. Genome Research 28(3) (2018)412–422

　　8. Ardakany, A.R., Ay, F., Lonardi, S.: Selfish: discovery ofdifferential chromatin interactions via a self-similarity measure.Bioinformatics (2019)i145–i153