Popravljanje djelomično sastavljenoga genoma pomoći Hi-C očitanja

undergraduate thesis

• Title (english): Genome Scaffolding Using Hi-C Sequencing
• Author: Filip Wolf
• Mentor: Mile Šikić (mentor)
• Committee member: Mile Šikić (predsjednik povjerenstva)
• Committee member: Krešimir Križanović (član povjerenstva)
• Committee member: Robert Vaser (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Prilikom očitavanja i sekvenciranja gena, ne možemo odmah sekvencirati cijeli genom. U pravilu se dobije više manjih očitanja koje nazivamo kontizima. To su djelomično sastavljeni kraći dijelovi koje još treba spojiti u cijeli genom (niz kromosoma). Jedna od metoda korištena za taj proces koristi podatke o kromatinskim poveznicama između kontiga, specifično, ovdje korištena metoda to radi pomoću Hi-C podataka [8]. Hi-C podatke moramo poravnati sa kontizima i zabilježiti međusobni broj poveznica između kromosoma, između kontiga i unutar samih kontiga. Te poveznice, a i sam raspored kromatina, prati određenu distribuciju na temelju koje možemo vući zaključke. Tako dobivene podatke o poveznicama analiziramo i pomoću dobivenih saznanja o njihovim vezama kontige prvo raspoređujemo u pojedine kromosome, zatim unutar kromosoma poredamo kontige i na kraju orijentiramo kontige. Prvi korak radimo na osnovi toga što kontizi unutar kromosoma kojem pripadaju međusobno imaju više kromatinskih poveznica. Drugi korak proizlazi iz činjenice da među susjednim kontizima ima više kromatinskih interakcija nego među više udaljenim kontizima i ta povezanost linearno opada s udaljenošću. Treći i zadnji korak ostvarujemo pomoću znanja da je više interakcija među krajevima (repovima) kontiga koji su susjedni nego onih koji su na udaljenijim krajevima kontiga. Pri cijelom procesu treba paziti na činjenicu da kromatin nije jednako gusto raspoređen među svim kontizima i neki će statistički imati više međusobnih interakcija zbog jednostavne činjenice da imaju gušće (češće) Hi-C veze. Konačno, dobivene rezultate spajamo u kromosome i uspoređujemo točnost sa referentnim podatcima. Program je testiran na podatcima vinske mušice (Drosophila melanogaster) i čovjeka (Homo sapiens). Navedeni rad je izrađen prema znanstvenom radu [2].

Abstract (english)

During the act of genome sequence alignment, we are not able to sequence the entire genome. Normally, the result is a number of smaller sequences which we call contigs. Contigs are partially assembled smaller pieces which yet need to be assembled into an entire genome (a set of chromosomes). One of the methods used for this process uses data about chromatin interactions between contigs, specifically, the method used here uses Hi-C data [8]. The Hi-C data needs to be aligned along the contigs and we need to measure the number of links between chromosomes, between contigs and inside the contigs themselves. These links, along with the very distribution of chromatin, follows a set distribution with the help of which we can draw conclusions. The produced data is analyzed and, using the knowledge we gathered about the links, the contigs are first separated into specific chromosomes, then ordered within the chromosomes and lastly, oriented into the right direction. The first step is based on the fact that the contigs have more mutual links within the chromosomes they belong to. The second step follows the idea that neighboring contigs have more mutual links that those contigs that are further apart, and this linkage density falls linearly with contig distance. The third and last step comes from the knowledge that neighboring contig ends (tails) have more links that contig ends that are further apart. During the whole process, it is vital to take note of the fact that chromatin density is not equally distributed among all contigs and some will have a statistically higher likelihood of having an interaction with other contigs simply from the fact that they have more dense (frequent) Hi-C links. Finally, the output data is assembled into chromosomes and we compare the results with reference data. The program has been tested on fruit fly (Drosophila melanogaster) datasets and human (Homo sapiens) datasets. This thesis is based on a paper [2].

• Keywords: bioinformatika; Hi-C; sastavljanje genoma; sastavljanje kromosoma; kromatin
• Keywords (english): bioinformatics; Hi-C; genome assembly; chromosome assembly; chromatin
• Language: croatian
• URN:NBN: urn:nbn:hr:168:579846
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 22:02:13