北京基因组所（国家生物信息中心）开发在单细胞中识别染色质类TAD结构的算法
基因组DNA和组卵白以特定的形式高度折叠在细胞核中 ，这一高级结构即三维基因组学 ，对细胞核内的诸多生命运动至关重要 �；谌旧使瓜蟛痘瘢�3C） ，尤其是高通量技术（Hi-C ，ChIA-PET）的生长极大推动了三维基因组的研究 ，发明了包括染色质拓扑相关结构域（TAD） ，染色质环等一系列条理化的结构特征 。近年来 ，单细胞水平下的Hi-C研究成为了三维基因组的一个重要研究偏向 。单细胞Hi-C数据对深入理解染色质结构的动力学机制 ，建立高区分率细胞发育图谱都具有要害意义 。然而 ，单细胞Hi-C数据由于极端稀疏 ，目前主流的Hi-C数据剖析算法对其无能为力 ，而针对单细胞Hi-C设计的算法亦体现不佳 。因此 ，亟需新的盘算要领来剖析鉴定单细胞内的染色质高级结构 。
7月27日 ，中科院北京基因组研究所（国家生物信息中心）张治华研究组开发了预测单细胞内类TAD结构的算法deTOKI ，该研究以“DeTOKI identifies and characterizes the dynamics of chromatin TAD-like domains in a single cell”为题 ，宣布在Genome Biology上 。
该研究将deTOKI与适用于低区分率水平Hi-C数据的新算法IS, deDoc, SpectralTAD和GRiNCH ，以及先由单细胞Hi-C实验数据通过预测出高区分率数据 ，再由已有算法鉴定类TAD域结构的新算法scHiCluster及Higashi六个软件进行综合比较 ，发明用deTOKI剖析单细胞Hi-C数据结果优于其他六个软件 。比较的内容主要基于两点 ，首先是将高区分率水平的Hi-C数据进行下采样 ，比较下采样数据和原始数据中鉴定的类TAD域结构的相似度 ，然后对染色质结构进行三维建模 ，对各个模型划分生成高区分率水平和单细胞水平的模拟Hi-C数据 ，比较两个数据中鉴定的类TAD域结构的相似度 。文章随后还在已有的单细胞Hi-C实验数据上使用�？橄凳徒峁轨氐戎副昀雌兰廴砑奶逑� ，deTOKI都优于其它算法 。
新算法deTOKI有助于未来的单细胞内染色质高级结构的研究 ，基于deTOKI算法 ，研究发明了单细胞内的类TAD域结构和细胞类型的关系 ，以及其与组卵白修饰、DNA甲基化等多组学数据的关联 。该项研究富厚了对基因组结构和功效关系的认识 ，为三维基因组学研究提供了新思路 。
deTOKI的算法流程
单细胞水平类TAD界限的表观修饰漫衍
