DNA 甲基化模式的广义矩估计方法
摘要：通过最近的测序技术的进展，大量的表观基因组数据已经变得可用，并且计算方法对表观遗传研究的进展有重要贡献。作为基于机器学习的方法的一种正交方法，机械建模旨在描述表观遗传变化背后的机制。在这里，我们提出了一种有效的参数估计方法，用于描述DNA甲基化模式随时间动态变化的随机模型。我们的方法基于广义矩方法(GMM)，并具有与基于最大似然估计方法类似的准确性的结果。然而，与后者不同的是，即使通过考虑更长的甲基化模式增加了模型的复杂性，GMM仍然允许对参数进行高效和准确的校准。我们通过将其应用于来自小鼠干细胞的环状亚硫酸盐测序数据，展示了我们方法的有用性，用于不同长度的模式。
作者：Alexander L"uck, Verena Wolf
论文ID：1911.01174
分类：Genomics
分类简称：q-bio.GN
提交时间：2019-11-05