Šūnu klasterizācija ar šūnu hromatīna konformācijas notveres datiem

Abstract

Vienas šūnas hromatīna augstas caurlaidības konformācijas notveres (scHi-C) eksperimenti ir jauna metode, kas ļauj pētīt hromatīna struktūru individuālu šūnu līmenī. Ansambļa Hi-C metode ir vecāka un ir pieejams lielāks rīku skaits to analīzei, taču to pielāgošana scHi-C datiem ir apgrūtināta datu blīvuma un apjoma atšķirību dēļ. Darbā ir pārbaudītas uz kliķēm balstītas metodes scHi-C datu topoloģiskai analīzei, kuru darbība līdz šim bija pārbaudīta ansambļa Hi-C datos. Darbā tiek risināts tipisks scHi-C datu kopu uzdevums – šūnu klasterizācija, sakārtojot tās pseidolaikā. Darba ietvaros ir izstrādātas 2 metodes, kuras balstās uz grafa motīvu skaitīšanu šūnu un šūnu pāru grafos un kuras izmanto tikai informāciju par scHi-C grafu struktūru uzdevuma veikšanai. Abas metodes uzrāda sakārtojuma precizitāti, kas ir salīdzināma ar labākajām no literatūrā aprakstītām metodēm.

Single cell high-resolution chromosome conformation capture (scHi-C) is a new method that allows to study chromatin structure at individual cell resolution. Ensemble Hi-C is an older method that has a richer number of tools for analysis whose adaption to scHi-C, however, is difficult due to mismatches in data sparsity and size. In this thesis clique-based approaches for scHi-C data topological analysis are evaluated whose effect has already been observed on ensemble Hi-C data. An scHi-C dataset-typical task of clustering by ordering the cells in pseudotime is considered in this work. 2 methods are developed within the scope of this thesis, both of which use graph motif counting in individual cell or cell pair graphs. Both methods show pseudotime ordering results that are comparable to the state-of-the-art methods in literature.