bio-chip-seq-super-enhancers

Narzędzie do identyfikacji super-enhancerów z danych ChIP-seq H3K27ac przy użyciu algorytmu ROSE. Super-enhancery to duże skupiska elementów regulacyjnych kontrolujące geny tożsamości komórkowej, często zmieniane w chorobach i nowotworach. Użyj tego narzędzia, gdy badasz geny związane z tożsamością komórek, elementy regulacyjne powiązane z rakiem lub regiony wiązania głównych czynników transkrypcyjnych, które tworzą duże domeny enhancerów. Narzędzie łączy pobliskie szczyty enhancerów i ranguje je według sygnału H3K27ac, aby zidentyfikować największe domeny regulacyjne.

1. Zainstaluj ROSE i wymagane zależności. Sklonuj repozytorium ROSE z GitHub (github.com/stjude/ROSE.git), przejdź do katalogu i upewnij się, że masz zainstalowane samtools, R i bedtools w wersjach zgodnych z dokumentacją (GenomicRanges 1.54+, bedtools 2.31+, ggplot2 3.5+, samtools 1.19+). Sprawdź wersje za pomocą poleceń <narzędzie> --version i w R za pomocą packageVersion('nazwa_pakietu').

2. Przygotuj pliki wejściowe: plik BAM zawierający wyrównane odczyty ChIP-seq H3K27ac, plik szczytu (BED lub GFF) z wcześniej wywołanymi szczytem enhancerów oraz adnotacje genomu zawierające pozycje TSS (miejsca startu transkrypcji).

3. Uruchom ROSE_main.py z podstawowymi parametrami: ROSE_main.py -g hg38 -i peaks.gff -r chip.bam -c input.bam, gdzie -g określa genom (np. hg38), -i wskazuje plik szczytu, -r to plik BAM ChIP-seq, a -c to opcjonalny plik kontrolny. Narzędzie automatycznie łączy enhancery w odległości do 12,5 kb.

4. Zweryfikuj wersje zainstalowanych pakietów R i narzędzi CLI przed uruchomieniem. Jeśli pojawią się błędy ImportError, AttributeError lub TypeError, sprawdź dokumentację zainstalowanego pakietu i dostosuj parametry do rzeczywistego API.

5. Przeanalizuj wyniki: ROSE wygeneruje ranking super-enhancerów posortowanych według sygnału H3K27ac. Użyj tych wyników do identyfikacji dużych domen regulacyjnych kontrolujących geny tożsamości komórkowej lub elementy zmieniane w chorobach.