关于这个研究课题
高c和相关技术的出现促进了研究集中在全基因组的研究和染色体构象和交互。
在过去的十年中,这些技术发挥了重要作用在增加我们的理解3 d基因组结构和疾病之间的关系出现在染色体基因组规模。这使得染色体的结构比较来识别和理解细胞间发生的结构性偏差,如正常和恶性b细胞。
此外,高c技术的发展和扩张导致了越来越多的数据从不同的个体和细胞类型,比如高分辨率数据从多个细胞,单个细胞或亚细胞localizations-which因此增加了复杂的数据集。增加需要的发展新方法来推断空间使用更复杂的染色体模式和计算方法。
在这种背景下,许多计算方法和先进的机器学习算法越来越普遍,提供补充和替代的生物信息学工具分析3 d基因组结构。
我们这个研究课题的目标是召集一群科学家和研究人员在计算生物学的接口和机器学习(或物理、统计学、计算机科学和数学)这个问题领域进行研究,提出新的算法,培养先进的发现为了调查和分析基因组组织。
典型的主题研究范围将包括:
○3 d可视化和染色质结构分析
○3 d基因组结构重建和分析
○A / B室检测
○拓扑关联域(少量)检测
○染色质循环检测
○表观遗传学和3 d基因组
○转录调控和3 d基因组
○高c数据的分辨率增强
○测量方法的重现性和质量高c数据
○正常化和单细胞高c的去噪,bulk-cell高c数据,和启动子捕获高c数据
○单细胞高c数据分析和归责
○4 d基因组结构分析
在过去的十年中,这些技术发挥了重要作用在增加我们的理解3 d基因组结构和疾病之间的关系出现在染色体基因组规模。这使得染色体的结构比较来识别和理解细胞间发生的结构性偏差,如正常和恶性b细胞。
此外,高c技术的发展和扩张导致了越来越多的数据从不同的个体和细胞类型,比如高分辨率数据从多个细胞,单个细胞或亚细胞localizations-which因此增加了复杂的数据集。增加需要的发展新方法来推断空间使用更复杂的染色体模式和计算方法。
在这种背景下,许多计算方法和先进的机器学习算法越来越普遍,提供补充和替代的生物信息学工具分析3 d基因组结构。
我们这个研究课题的目标是召集一群科学家和研究人员在计算生物学的接口和机器学习(或物理、统计学、计算机科学和数学)这个问题领域进行研究,提出新的算法,培养先进的发现为了调查和分析基因组组织。
典型的主题研究范围将包括:
○3 d可视化和染色质结构分析
○3 d基因组结构重建和分析
○A / B室检测
○拓扑关联域(少量)检测
○染色质循环检测
○表观遗传学和3 d基因组
○转录调控和3 d基因组
○高c数据的分辨率增强
○测量方法的重现性和质量高c数据
○正常化和单细胞高c的去噪,bulk-cell高c数据,和启动子捕获高c数据
○单细胞高c数据分析和归责
○4 d基因组结构分析
关键字:3 d基因组结构,3 d基因组可视化,泰德发现,A / B室检测、表观遗传学和染色质,远程基因调控,边打电话
重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。