HiCNorm: removing biases in Hi-C data via Poisson regression

被引：166

作者：

Hu, Ming ^{[1
]}

Deng, Ke ^{[1
]}

Selvaraj, Siddarth ^{[2
,3
]}

Qin, Zhaohui ^{[4
]}

Ren, Bing ^{[2
]}

Liu, Jun S. ^{[1
]}

机构：

[1] Harvard Univ, Dept Stat, Cambridge, MA 02138 USA

[2] UCSD Sch Med, Dept Cellular & Mol Med, La Jolla, CA 92093 USA

[3] Univ Calif San Diego, Bioinformat & Syst Biol Grad Program, La Jolla, CA 92093 USA

[4] Emory Univ, Dept Biostat & Bioinformat, Atlanta, GA 30322 USA

来源：

BIOINFORMATICS | 2012年 / 28卷 / 23期

基金：

美国国家卫生研究院; 美国国家科学基金会;

关键词：

MAPS;

D O I：

10.1093/bioinformatics/bts570

中图分类号：

Q5 [生物化学];

学科分类号：

071010 ; 081704 ;

摘要：

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.

引用

页码：3131 / 3133

页数：3

共 5 条

[1] NEW LOOK AT STATISTICAL-MODEL IDENTIFICATION [J].