摘要 : 中科院上海分院計算生物學(xué)所韓敬東組在近日的一項研究中提出，從MNase測序數(shù)據(jù)中進行核小體定位的改進算法，并公開了該算法的應(yīng)用軟件包。相關(guān)文章發(fā)表于2014年9月18日的《Nature Communications》雜志上。

*，核小體是真核生物染色體的基本結(jié)構(gòu)單位，由基因組DNA以特殊的方式纏繞于組蛋白八聚體上形成。而核小體的分布與排列對細胞核內(nèi)DNA的空間結(jié)構(gòu)形成、DNA的復(fù)制、轉(zhuǎn)錄和基因表達調(diào)控起著關(guān)鍵作用。因此，核小體的位置信息與基因表達調(diào)控的關(guān)系是當前表觀遺傳學(xué)的研究熱點。而隨著近年來大量的MNase測序數(shù)據(jù)的發(fā)表，使得該領(lǐng)域?qū)Ω行У暮诵◇w定位算法的需求更為迫切。韓敬東研究組的研究建立了更、穩(wěn)定、的核小體定位算法iNPS，對該領(lǐng)域的研究具有推動作用。

更為重要的是， iNPS不僅可用于核小體位置的鑒定，還可根據(jù)核小體的測序分布“峰形”對其進行分類，并揭示了核小體的測序分布“峰形”與該位置轉(zhuǎn)錄因子結(jié)合密度的相關(guān)性。此外，基于iNPS獲得的核小體定位信息可有助于分析不同細胞分化狀態(tài)下的核小體分布信號的變化，對于進一步的生物學(xué)功能研究有著重要的作用。

zui早的基于測序數(shù)據(jù)的核小體定位算法NPS于2008年由哈佛大學(xué)劉小樂研究組發(fā)表。韓敬東研究組吸收了NPS的理論核心算法，并在此基礎(chǔ)上加以改進，提出了更有效的算法iNPS。與該領(lǐng)域的同類算法相比較，iNPS在高靈敏度、高魯棒性、高特異性、低假陽性率和使用便捷性等諸多方面有著綜合的優(yōu)勢。

計算生物學(xué)所博士研究生陳威中和原該所副研究員、現(xiàn)北京交通大學(xué)教授劉一為本文的共同*作者，該研究工作得到了國家自然科學(xué)基金委、*、中科院和上海市科委等經(jīng)費的支持。

原文摘要：

Improved nucleosome-positioning algorithm iNPS for accurate nucleosome positioning from sequencing data

Weizhong Chen, Yi Liu, Shanshan Zhu, Christopher D. Green, Gang Wei & Jing-Dong Jackie Han

Accurate determination of genome-wide nucleosome positioning can provide important insights into global gene regulation. Here, we describe the development of an improved nucleosome-positioning algorithm—iNPS—which achieves significantly better performance than the widely used NPS package. By determining nucleosome boundaries more precisely and merging or separating shoulder peaks based on local ?MNase-seq signals, iNPS can unambiguously detect 60% more nucleosomes. The detected nucleosomes display better nucleosome ‘widths’ and neighbouring centre–centre distance distributions, giving rise to sharper patterns and better phasing of average nucleosome profiles and higher consistency between independent data subsets. In addition to its unique advantage in classifying nucleosomes by shape to reveal their different biological properties, iNPS also achieves higher significance and lower false positive rates than previously published methods. The application of iNPS to T-cell activation data demonstrates a greater ability to facilitate detection of nucleosome repositioning, uncovering additional biological features underlying the activation process.