Finding commonality between the pattern of histone modifications across normal and cancer cell types dictated by DNA sequence features
Notice bibliographique
Résumé
Introduction: Histone modification, a covalent post-translational modification of histone proteins, influences gene expression by altering chromatin structure giving rise to key characteristics to various cell types. While interaction of histone proteins with DNA is not known to be dependent on DNA sequence features, histone modifications are highly regulated in certain genomic regions. This specificity is required in normal cells to prevent genome instability, chromosome segregation defects and to maintain cellular homeostasis and is altered in cancer. Identifying [1] if specific sequence features are associated with certain histone modifications and [2] if these associations are consistently disrupted in transformed cells, will establish links between the genotype and epigenotype giving us valuable predictability about histone code. In this study, we have analyzed ChIP-seq data of different histone modifications in human across primary and immortalized cell lines from ENCODE database. Experiments and key results findings: We have identified unique as well as common genomic regions that carry histone marks commonly in primary and immortal cell lines. Additionally, motif finding analysis indeed shows certain modifications are associated with crucial genes required for cell survival and function; some uniquely in transformed cell lines. The regions with consistently different histone marks are currently being studied to check whether they are associated with certain cytosine methylation profile too. Our results suggest a genotypic predisposition for epigenotype.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».