HiCNorm：通过泊松回归去除 Hi-C 数据中的偏差。
HiCNorm: removing biases in Hi-C data via Poisson regression.
机构信息
Department of Statistics, Harvard University, Cambridge, MA 02138, USA.
出版信息
Bioinformatics. 2012 Dec 1;28(23):3131-3. doi: 10.1093/bioinformatics/bts570. Epub 2012 Sep 27.
Abstract
SUMMARY
We propose a parametric model, HiCNorm, to remove systematic biases in the raw Hi-C contact maps, resulting in a simple, fast, yet accurate normalization procedure. Compared with the existing Hi-C normalization method developed by Yaffe and Tanay, HiCNorm has fewer parameters, runs >1000 times faster and achieves higher reproducibility.
AVAILABILITY
Freely available on the web at: http://www.people.fas.harvard.edu/∼junliu/HiCNorm/.
CONTACT
SUPPLEMENTARY INFORMATION
Supplementary data are available at Bioinformatics online.
摘要
摘要
我们提出了一个参数模型 HiCNorm，用于去除原始 Hi-C 接触图谱中的系统偏差，从而得到一个简单、快速但准确的标准化程序。与 Yaffe 和 Tanay 开发的现有 Hi-C 标准化方法相比，HiCNorm 参数更少，运行速度快 1000 多倍，重现性更高。
可用性
可在以下网址免费获得：http://www.people.fas.harvard.edu/∼junliu/HiCNorm/。
联系方式
补充信息
补充数据可在 Bioinformatics 在线获得。
相似文献
1
HiCNorm: removing biases in Hi-C data via Poisson regression.HiCNorm：通过泊松回归去除 Hi-C 数据中的偏差。
Bioinformatics. 2012 Dec 1;28(23):3131-3. doi: 10.1093/bioinformatics/bts570. Epub 2012 Sep 27.
2
normGAM: an R package to remove systematic biases in genome architecture mapping data.normGAM：一个用于去除基因组构象图谱数据中系统偏差的 R 包。
BMC Genomics. 2019 Dec 30;20(Suppl 12):1006. doi: 10.1186/s12864-019-6331-8.
3
Hi-Corrector: a fast, scalable and memory-efficient package for normalizing large-scale Hi-C data.Hi-Corrector：一个用于大规模Hi-C数据归一化的快速、可扩展且内存高效的软件包。
Bioinformatics. 2015 Mar 15;31(6):960-2. doi: 10.1093/bioinformatics/btu747. Epub 2014 Nov 12.
4
Identification and utilization of copy number information for correcting Hi-C contact map of cancer cell lines.鉴定和利用拷贝数信息来修正癌细胞系的 Hi-C 接触图谱。
BMC Bioinformatics. 2020 Nov 7;21(1):506. doi: 10.1186/s12859-020-03832-8.
5
FastHiC: a fast and accurate algorithm to detect long-range chromosomal interactions from Hi-C data.FastHiC：一种从Hi-C数据中检测长程染色体相互作用的快速且准确的算法。
Bioinformatics. 2016 Sep 1;32(17):2692-5. doi: 10.1093/bioinformatics/btw240. Epub 2016 May 3.
6
scHiCNorm: a software package to eliminate systematic biases in single-cell Hi-C data.scHiCNorm：一种用于消除单细胞 Hi-C 数据中系统偏差的软件包。
Bioinformatics. 2018 Mar 15;34(6):1046-1047. doi: 10.1093/bioinformatics/btx747.
7
MAPS: Model-based analysis of long-range chromatin interactions from PLAC-seq and HiChIP experiments.MAPS：基于模型的 PLAC-seq 和 HiChIP 实验中长程染色质相互作用分析。
PLoS Comput Biol. 2019 Apr 15;15(4):e1006982. doi: 10.1371/journal.pcbi.1006982. eCollection 2019 Apr.
8
multiHiCcompare: joint normalization and comparative analysis of complex Hi-C experiments.multiHiCcompare：复杂 Hi-C 实验的联合标准化和比较分析。
Bioinformatics. 2019 Sep 1;35(17):2916-2923. doi: 10.1093/bioinformatics/btz048.
9
nuScore: a web-interface for nucleosome positioning predictions.nuScore：用于核小体定位预测的网络界面。
Bioinformatics. 2008 Jun 15;24(12):1456-8. doi: 10.1093/bioinformatics/btn212. Epub 2008 Apr 29.
10
HiCcompare: an R-package for joint normalization and comparison of HI-C datasets.HiCcompare：用于 Hi-C 数据集联合标准化和比较的 R 包。
BMC Bioinformatics. 2018 Jul 31;19(1):279. doi: 10.1186/s12859-018-2288-x.
引用本文的文献
1
Deciphering chromatin domain, domain community and chromunity for 3D genome maps with Mactop.使用Mactop解析三维基因组图谱中的染色质结构域、结构域群落和染色质群落。
Commun Biol. 2025 Aug 27;8(1):1290. doi: 10.1038/s42003-025-07635-6.
2
Tensor-FLAMINGO unravels the complexity of single-cell spatial architectures of genomes at high-resolution.张量-火烈鸟以高分辨率解析了基因组单细胞空间结构的复杂性。
Nat Commun. 2025 Apr 11;16(1):3435. doi: 10.1038/s41467-025-58674-w.
3
The 3D genome and its impacts on human health and disease.三维基因组及其对人类健康与疾病的影响。
Life Med. 2023 Mar 23;2(2):lnad012. doi: 10.1093/lifemedi/lnad012. eCollection 2023 Apr.
4
Mapping the 3D genome architecture.绘制三维基因组结构图谱。
Comput Struct Biotechnol J. 2024 Dec 23;27:89-101. doi: 10.1016/j.csbj.2024.12.018. eCollection 2025.
5
A generalizable Hi-C foundation model for chromatin architecture, single-cell and multi-omics analysis across species.一种适用于跨物种染色质结构、单细胞和多组学分析的可推广的Hi-C基础模型。
bioRxiv. 2024 Dec 20:2024.12.16.628821. doi: 10.1101/2024.12.16.628821.
6
Using paired-end read orientations to assess technical biases in capture Hi-C.使用双端读取方向评估捕获Hi-C中的技术偏差。
NAR Genom Bioinform. 2024 Dec 4;6(4):lqae156. doi: 10.1093/nargab/lqae156. eCollection 2024 Dec.
7
SnapHiC-G: identifying long-range enhancer-promoter interactions from single-cell Hi-C data via a global background model.SnapHiC-G：通过全局背景模型从单细胞 Hi-C 数据中识别长程增强子-启动子相互作用。
Brief Bioinform. 2024 Jul 25;25(5). doi: 10.1093/bib/bbae426.
8
Identifying topologically associating domains using differential kernels.使用差分核识别拓扑关联域。
PLoS Comput Biol. 2024 Jul 15;20(7):e1012221. doi: 10.1371/journal.pcbi.1012221. eCollection 2024 Jul.
9
Statistical modeling and significance estimation of multi-way chromatin contacts with HyperloopFinder.使用 HyperloopFinder 进行多向染色质接触的统计建模和显著性估计。
Brief Bioinform. 2024 May 23;25(4). doi: 10.1093/bib/bbae341.
10
BaRDIC: robust peak calling for RNA-DNA interaction data.BaRDIC：用于RNA-DNA相互作用数据的稳健峰检测
NAR Genom Bioinform. 2024 May 20;6(2):lqae054. doi: 10.1093/nargab/lqae054. eCollection 2024 Jun.
本文引用的文献
1
Probabilistic modeling of Hi-C contact maps eliminates systematic biases to characterize global chromosomal architecture.Hi-C 接触图谱的概率建模消除了系统偏差，从而能够对全球染色体结构进行特征描述。
Nat Genet. 2011 Oct 16;43(11):1059-65. doi: 10.1038/ng.947.
2
Integrating one-dimensional and three-dimensional maps of genomes.整合基因组的一维和三维图谱。
J Cell Sci. 2010 Jun 15;123(Pt 12):1979-88. doi: 10.1242/jcs.051631.
3
Comprehensive mapping of long-range interactions reveals folding principles of the human genome.远距离相互作用的全面图谱揭示了人类基因组的折叠原理。
Science. 2009 Oct 9;326(5950):289-93. doi: 10.1126/science.1181369.
Zotero 插件