A Novel Bayesian Change-point Algorithm for Genome-wide Analysis of Diverse ChIPseq Data Types

ChIPseq is a widely used technique for investigating protein-DNA interactions. Read density profiles are generated by using next-sequencing of ...

Stony Brook University

Cold Spring Harbor Laboratory

(&#x672C;&#x56FD;&#x4E00;&#x822C;&#x4E8B;&#x52A1;&#xFF09; &#x4E0B;&#x4E00;&#x4EE3;&#x6D4B;&#x5E8F;&#x6280;&#x672F;&#x5DF2;&#x76F8;&#x5F53;&#x6210;&#x719F;&#x63A8;&#x51FA;&#x4EE5;&#x6765;&#xFF0C;&#x5DF2;&#x88AB;&#x91CD;&#x70B9;&#x653E;&#x5728;&#x5F00;&#x53D1;&#x590D;&#x6742;&#x7684;&#x5206;&#x6790;&#x5DE5;&#x5177;&#xFF0C;&#x4EE5;&#x4FBF;&#x5904;&#x7406;&#x7684;&#x79EF;&#x805A;&#x7684;&#x6570;&#x636E;&#x91CF;&#x3002;&#x67D3;&#x8272;&#x8D28;&#x6C89;&#x6DC0;&#x6D4B;&#x5E8F; (&#x82AF;&#x7247;-seq)&#xFF0C;&#x4E3B;&#x8981;&#x7684;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x7684;&#x6B4C;&#x8C23;&#x662F;&#x5E7F;&#x6CDB;&#x91C7;&#x7528;&#x7684;&#x6280;&#x672F;&#xFF0C;&#x7528;&#x4E8E;&#x68C0;&#x67E5; DNA-&#x86CB;&#x767D;&#x8D28;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x548C;&#x4E00;&#x822C;&#x7528;&#x6765;&#x8C03;&#x67E5;&#x7684;&#x5F25;&#x6F2B;&#x6027;&#x7EC4;&#x86CB;&#x767D;&#x6807;&#x8BB0;&#x7684;&#x8868;&#x89C2;&#x9057;&#x4F20;&#x7B7E;&#x540D;&#x3002;&#x8FD9;&#x4E9B;&#x6570;&#x636E;&#x96C6;&#x5728;&#x5927;&#x9762;&#x79EF;&#x4F7F;&#x7528;&#xFF0C;&#x4F7F;&#x5B83;&#x4EEC;&#x6781;&#x96BE;&#x5B9A;&#x4E49;&#x5177;&#x6709;&#x4F17;&#x6240;&#x5468;&#x77E5;&#x9AD8;&#x65B9;&#x5DEE;&#x548C;&#x5FAE;&#x5999;&#x7EA7;&#x522B;&#x7684;&#x6D53;&#x7F29;&#x3002;&#x82AF;&#x7247; seq &#x6570;&#x636E;&#x5206;&#x6790;&#x7684;&#x4E00;&#x4E9B;&#x6210;&#x529F;&#xFF0C;&#x4F46;&#x6709;&#x6325;&#x4E4B;&#x4E0D;&#x53BB;&#x9650;&#x5236;&#x4F7F;&#x7528;&#x57FA;&#x4E8E; Windows &#x7684;&#x3001; &#x542F;&#x53D1;&#x5F0F;&#x6A21;&#x578B;&#x548C;&#x6709;&#x9650;&#x72B6;&#x6001;&#x9690;&#x9A6C;&#x5C14;&#x79D1;&#x592B;&#x6A21;&#x578B; (HMMs)&#x3002;&#x4E3A;&#x4E86;&#x63D0;&#x9AD8;&#x68C0;&#x6D4B;&#x7684;&#x4E30;&#x5BCC;&#x5E7F;&#x5927;&#x5730;&#x533A;&#x7684;&#x80FD;&#x529B;&#xFF0C;&#x6211;&#x4EEC;&#x5236;&#x5B9A;&#x4E00;&#x4E2A;&#x968F;&#x673A;&#x7684;&#x8D1D;&#x53F6;&#x65AF;&#x53D8;&#x70B9; (BCP) &#x65B9;&#x6CD5;&#xFF0C;&#x89E3;&#x51B3;&#x4E86;&#x4E00;&#x4E9B;&#x672A;&#x89E3;&#x51B3;&#x7684;&#x95EE;&#x9898;&#x3002;BCP &#x4F7F;&#x5F97;&#x4F7F;&#x7528;&#x65E0;&#x9650;&#x72B6;&#x6001;&#x9A6C;&#x6C0F;&#x901A;&#x8FC7;&#x83B7;&#x5F97;&#x663E;&#x5F0F;&#x516C;&#x5F0F;&#x540E;&#x624B;&#x6BB5;&#x7684;&#x6700;&#x65B0;&#x8FDB;&#x5C55;&#x7684;&#x8BFB;&#x53D6;&#x5BC6;&#x5EA6;&#x3002;&#x8FD9;&#x4E9B;&#x540E;&#x624B;&#x6BB5;&#x53EF;&#x4EE5;&#x7528;&#x4E8E;&#x5BF9;&#x57FA;&#x56E0;&#x7EC4;&#x5206;&#x6210;&#x6D53;&#x7F29;&#x548C; unenriched &#x7684;&#x7247;&#x6BB5;&#xFF0C;&#x8FDB;&#x884C;&#x5206;&#x7C7B;&#xFF0C;&#x4E60;&#x60EF;&#x4E0A;&#x505A;&#xFF0C;&#x6216;&#x5BA1;&#x67E5;&#x5BF9;&#x4E8E;&#x66F4;&#x8BE6;&#x7EC6;&#x7684;&#x5173;&#x7CFB;&#xFF0C;&#x56E0;&#x4E3A;&#x5E95;&#x5C42;&#x7684; subpeaks &#x662F;&#x4FDD;&#x7559;&#xFF0C;&#x800C;&#x4E0D;&#x662F;&#x7B80;&#x5316;&#x4E3A;&#x4E8C;&#x5143;&#x5206;&#x7C7B;&#x3002;BCP &#x6267;&#x884C;&#x4E0D;&#x540C;&#x540E;&#x624B;&#x6BB5;&#x4E4B;&#x95F4;&#x7684;&#x6240;&#x6709;&#x53EF;&#x80FD;&#x7684;&#x53D8;&#x5316;&#x70B9;&#x9644;&#x8FD1;&#x7A77;&#x4E3E;&#x641C;&#x7D22;&#x5728;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#xFF0C;&#x6700;&#x5927;&#x9650;&#x5EA6;&#x5730;&#x4E3B;&#x4F53;&#x6027;&#x7684;&#x7A97;&#x53E3;&#x7684;&#x5927;&#x5C0F;&#x548C;&#x8BA1;&#x7B97;&#x6548;&#x7387;&#x9AD8;&#xFF0C;&#x7531;&#x4E8E;&#x63D0;&#x901F;&#x7B97;&#x6CD5;&#x548C;&#x5B83;&#x91C7;&#x7528;&#x663E;&#x5F0F;&#x516C;&#x5F0F;&#x3002;&#x5728;&#x6CA1;&#x6709;&#x65E2;&#x5B9A;&quot;&#x9EC4;&#x91D1;&#x6807;&#x51C6;&quot;&#x7684;&#x5F25;&#x6F2B;&#x6027;&#x7EC4;&#x86CB;&#x767D;&#x6807;&#x8BB0;&#x6D53;&#x7F29;&#xFF0C;&#x6211;&#x4EEC;&#x8BC1;&#x5B9E;&#x4E86; BCP &#x7684;&#x5C9B;&#x5C7F;&#x68C0;&#x6D4B;&#x51C6;&#x786E;&#x6027;&#x548C;&#x53EF;&#x91CD;&#x590D;&#x6027;&#x4F7F;&#x7528;&#x5404;&#x79CD;&#x5F62;&#x5F0F;&#x7684;&#x5B9E;&#x8BC1;&#x8BC1;&#x636E;&#x3002;&#x6211;&#x4EEC;&#x8868;&#x660E; BCP &#x5C24;&#x5176;&#x9002;&#x5408;&#x6F2B;&#x7EC4;&#x86CB;&#x767D;&#x82AF;&#x7247; seq &#x6570;&#x636E;&#x7684;&#x5206;&#x6790;&#xFF0C;&#x4F46;&#x4E5F;&#x6709;&#x6548;&#x5730;&#x5206;&#x6790;&#x6613;&#x8D1D;&#x8F6C;&#x5F55;&#x56E0;&#x5B50;&#x82AF;&#x7247;&#x6570;&#x636E;&#x96C6;&#xFF0C;&#x4F7F;&#x5B83;&#x5E7F;&#x6CDB;&#x9002;&#x7528;&#x4E8E;&#x8BB8;&#x591A;&#x5B9E;&#x9A8C;&#x7C7B;&#x578B;&#x3002;

&#x5168;&#x57FA;&#x56E0;&#x7EC4;&#x7684; DNA-&#x86CB;&#x767D;&#x8D28;&#x7ED1;&#x5B9A;&#x548C;&#x7EC4;&#x86CB;&#x767D;&#x4FEE;&#x9970;&#x4E0E;&#x82AF;&#x7247; seq &#x6570;&#x636E;&#x7684;&#x8D1D;&#x53F6;&#x65AF;&#x53D8;&#x5316;&#x70B9;&#x6CD5;&#x7684;&#x672C;&#x5730;&#x5316;&#x3002;

Next-generation sequencing (NGS) technologies have matured considerably since their introduction and a focus has been placed on developing sophisticated analytical tools to deal with the amassing volumes of data. Chromatin immunoprecipitation sequencing (ChIP-seq), a major application of NGS, is a widely adopted technique for examining protein-DNA interactions and is commonly used to investigate epigenetic signatures of diffuse histone marks. These datasets have notoriously high variance and subtle levels of enrichment across large expanses, making them exceedingly difficult to define. Windows-based, heuristic models and finite-state hidden Markov models (HMMs) have been used with some success in analyzing ChIP-seq data but with lingering limitations. To improve the ability to detect broad regions of enrichment, we developed a stochastic Bayesian Change-Point (BCP) method, which addresses some of these unresolved issues. BCP makes use of recent advances in infinite-state HMMs by obtaining explicit formulas for posterior means of read densities. These posterior means can be used to categorize the genome into enriched and unenriched segments, as is customarily done, or examined for more detailed relationships since the underlying subpeaks are preserved rather than simplified into a binary classification. BCP performs a near exhaustive search of all possible change points between different posterior means at high-resolution to minimize the subjectivity of window sizes and is computationally efficient, due to a speed-up algorithm and the explicit formulas it employs. In the absence of a well-established "gold standard" for diffuse histone mark enrichment, we corroborated BCP's island detection accuracy and reproducibility using various forms of empirical evidence. We show that BCP is especially suited for analysis of diffuse histone ChIP-seq data but also effective in analyzing punctate transcription factor ChIP datasets, making it widely applicable for numerous experiment types.

Genome-wide localization of protein-DNA binding and histone modification by a Bayesian change-point method with ChIP-seq data.

Technologies de s&eacute;quen&ccedil;age de prochaine g&eacute;n&eacute;ration (NGS) ont consid&eacute;rablement m&ucirc;ri depuis leur introduction et un accent a &eacute;t&eacute; mis sur le d&eacute;veloppement d&#39;outils d&#39;analyse sophistiqu&eacute;s pour traiter les volumes amasse des donn&eacute;es. S&eacute;quen&ccedil;age de l&#39;immunopr&eacute;cipitation de la chromatine (ChIP-seq), une application majeure de NGS, est une technique largement adopt&eacute;e pour l&#39;examen des interactions prot&eacute;ine-ADN et est couramment utilis&eacute; pour enqu&ecirc;ter sur des signatures &eacute;pig&eacute;n&eacute;tiques des histones diffus marques. Ces ensembles de donn&eacute;es ont la variance notoirement &eacute;lev&eacute;e et des niveaux subtils d&#39;enrichissement &agrave; travers de grandes &eacute;tendues, ce qui les rend extr&ecirc;mement difficile &agrave; d&eacute;finir. Mod&egrave;les heuristiques bas&eacute;es sur Windows et les mod&egrave;les de Markov cach&eacute;s finite-state (HMMs) ont &eacute;t&eacute; utilis&eacute;s avec un certain succ&egrave;s dans l&#39;analyse des donn&eacute;es de ChIP-seq, mais avec des restrictions persistantes. Afin d&#39;am&eacute;liorer la capacit&eacute; de d&eacute;tecter les grandes r&eacute;gions d&#39;enrichissement, nous avons d&eacute;velopp&eacute; une m&eacute;thode stochastique bay&eacute;sienne Change-Point (BCP), qui traite de certaines de ces questions en suspens. BCP fait usage des progr&egrave;s r&eacute;cents dans l&#39;infini-&Eacute;tat HMMs en obtenant des formules explicites pour post&eacute;rieur moyen de lire les densit&eacute;s. Ces moyens post&eacute;rieur peuvent &ecirc;tre utilis&eacute;s pour classer le g&eacute;nome en segments enrichis et non enrichis, comme est habituellement fait, ou examin&eacute; pour des relations plus d&eacute;taill&eacute;es, puisque les sous-pics sous-jacent sont pr&eacute;serv&eacute;s au lieu de simplifi&eacute; dans une classification binaire. BCP effectue une recherche exhaustive proche de tous les points de changement possibles entre diff&eacute;rents moyens post&eacute;rieures &agrave; haute r&eacute;solution pour r&eacute;duire au minimum la subjectivit&eacute; de la fen&ecirc;tre tailles et par le calcul efficace, gr&acirc;ce &agrave; un algorithme d&#39;acc&eacute;l&eacute;ration et les formules explicites qu&#39;elle emploie. En l&#39;absence d&#39;un &laquo; gold standard &raquo; bien &eacute;tabli pour l&#39;histone diffus de la marque enrichissement, nous corrobor&eacute; de BCP pr&eacute;cision de d&eacute;tection de l&#39;&icirc;le et reproductibilit&eacute; &agrave; l&#39;aide de diverses formes de preuves empiriques. Nous montrons que BCP est particuli&egrave;rement adapt&eacute; pour l&#39;analyse des donn&eacute;es de l&#39;histone diffus ChIP-seq mais aussi efficace dans l&#39;analyse de facteur de transcription ponctu&eacute;e puce datasets, rendant largement applicables pour nombreux types d&#39;exp&eacute;rience.

Localisation de G&eacute;nome-large de liaison de la prot&eacute;ine-ADN et modification des histones par une m&eacute;thode bay&eacute;sienne de changement-point avec des donn&eacute;es de ChIP-seq.

Technologien der n&auml;chsten Generation Sequencing (NGS) haben seit ihrer Einf&uuml;hrung deutlich gereift und ein Augenmerk auf die Entwicklung von anspruchsvollen analytischen Werkzeuge zu Anh&auml;ufung Datenmengen bew&auml;ltigen. Chromatin Immunopr&auml;zipitation Sequenzierung (ChIP-Seq), eine wichtige Anwendung der NGS, ist ein weit verbreiteten Verfahren f&uuml;r die Pr&uuml;fung von Protein-DNA-Wechselwirkungen und wird h&auml;ufig verwendet, um epigenetische Signaturen diffuse Histon-Marken zu untersuchen. Diese Datasets haben notorisch hohe Varianz und subtilen Ebenen der Anreicherung in gro&szlig;en weiten, wodurch sie &uuml;beraus schwer zu definieren. Windows-basierte, heuristische Modelle und endlicher versteckte Markov Modelle (HMMs) wurden mit einigem Erfolg in ChIP-Seq Datenanalyse jedoch anhaltende Einschr&auml;nkungen verwendet. Um die F&auml;higkeit, weite Regionen der Bereicherung erkennen zu verbessern, entwickelten wir eine stochastische Bayesian Change-Punkt (BCP)-Methode, die einige dieser ungel&ouml;sten Probleme behebt. BCP macht Nutzung der j&uuml;ngsten Fortschritte in der Unendlichkeit-Staat HMMs durch explizite Formeln f&uuml;r posterior Mittel zur Erlangung lesen dichten. Diesen posterior bedeutet kann verwendet werden, um das Genom in angereicherten und ausgestalteter Segmente, zu kategorisieren, wie &uuml;blicherweise getan ist, oder f&uuml;r genauere Beziehungen gepr&uuml;ft werden, da die zugrunde liegenden Nebengipfel sind erhalten anstatt vereinfacht in eine bin&auml;re Klassifikation. BCP f&uuml;hrt eine nahe ersch&ouml;pfende Suche aller m&ouml;glichen Ver&auml;nderung Punkte zwischen den verschiedenen posterior bei hochaufl&ouml;senden minimieren die Subjektivit&auml;t des Fensters Gr&ouml;&szlig;en und ist rechnerisch effizient, durch einen Speed-up-Algorithmus und die expliziten Formeln besch&auml;ftigt. In Ermangelung einer etablierten &quot;Goldstandard&quot; f&uuml;r diffuse Histon Marke Bereicherung, wir best&auml;tigt BCPs Insel Erkennungsgenauigkeit und Reproduzierbarkeit mit verschiedenen Formen der empirische Belege. Wir zeigen, dass BCP besonders geeignet zur Analyse von diffusen Histon ChIP-Seq Daten sondern auch wirksam bei der Analyse von punctata Transkription Faktor ChIP Datasets, so dass es &uuml;berall anwendbar f&uuml;r zahlreiche Experiment-Typen.

Genomweiten Lokalisierung von Protein-DNA-Bindung und Histon &Auml;nderungen durch eine Bayes-&Auml;nderung-Punkt-Methode mit ChIP-Seq-Daten.

Tecnologie di sequenziamento di nuova generazione (NGS) hanno maturato notevolmente dalla loro introduzione e una particolare attenzione &egrave; stata posta sullo sviluppo di sofisticati strumenti analitici per affrontare gli accumulando volumi di dati. Cromatina immunoprecipitazione sequenziamento (ChIP-seq), una maggiore applicazione di NGS, &egrave; una tecnica ampiamente adottata per l&#39;esame di interazioni proteina-DNA ed &egrave; comunemente usato per indagare epigenetiche firme di marchi di diffusa dell&#39;istone. Questi DataSet sono notoriamente alta varianza e sottili livelli di arricchimento attraverso grandi distese, che li rende estremamente difficile da definire. Modelli basati su Windows, euristici e modelli nascosti di Markov a stati finiti (HMMs) sono stati utilizzati con successo nell&#39;analisi dei dati ChIP-seq, ma con limitazioni persistente. Per migliorare la capacit&agrave; di rilevare ampie regioni di arricchimento, abbiamo sviluppato un metodo bayesiano punto di cambiamento (BCP) stocastici, che affronta alcuni di questi problemi non risolti. BCP fa uso dei recenti progressi nell&#39;infinito-stato HMMs ottenendo formule esplicite per mezzo posteriore di leggere densit&agrave;. Questi mezzi posteriori possono essere utilizzati per categorizzare il genoma in segmenti arricchiti e attrezzati, come &egrave; fatto abitualmente, o esaminato per relazioni dettagliate, poich&eacute; il subpeaks sottostante sono conservate piuttosto che semplificato in una classificazione binaria. BCP esegue una ricerca esaustiva nei pressi di tutti i punti di possibile cambiamento tra differenti mezzi posteriori a ad alta risoluzione per ridurre al minimo la soggettivit&agrave; della finestra e dimensione &egrave; computazionalmente efficiente, a causa di un algoritmo di Speed-up e le formule esplicite che impiega. In assenza di un consolidata &quot;gold standard&quot; per la diffusa dell&#39;istone mark arricchimento, abbiamo corroborato di BCP isola rilevamento accuratezza e riproducibilit&agrave; utilizzando varie forme di evidenza empirica. Mostriamo che BCP &egrave; particolarmente adatto per l&#39;analisi dei dati diffusa dell&#39;istone ChIP-seq ma anche efficace nell&#39;analizzare punctato transcription factor ChIP set di dati, rendendo ampiamente applicabile per numerosi tipi di esperimento.

Genome-wide localizzazione della proteina-DNA binding e modifiche dell&#39;istone da un metodo di cambiamento-punto bayesiano con dati ChIP-seq.

&#x6B21;&#x4E16;&#x4EE3;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B7;&#x30F3;&#x30B0; (NGS) &#x6280;&#x8853;&#x306F;&#x305D;&#x306E;&#x5C0E;&#x5165;&#x4EE5;&#x6765;&#x304B;&#x306A;&#x308A;&#x6210;&#x719F;&#x3057;&#x3066;&#x3044;&#x308B;&#x3057;&#x3001;&#x30D5;&#x30A9;&#x30FC;&#x30AB;&#x30B9;&#x306F;&#x3001;&#x84C4;&#x7A4D;&#x306E;&#x5927;&#x91CF;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x306B;&#x5BFE;&#x51E6;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x6D17;&#x7DF4;&#x3055;&#x308C;&#x305F;&#x5206;&#x6790;&#x30C4;&#x30FC;&#x30EB;&#x306E;&#x958B;&#x767A;&#x306B;&#x914D;&#x7F6E;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x30AF;&#x30ED;&#x30DE;&#x30C1;&#x30F3;&#x514D;&#x75AB;&#x6C88;&#x964D;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9; (&#x30C1;&#x30C3;&#x30D7; seq)&#x3001;NGS &#x306E;&#x4E3B;&#x8981;&#x306A;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x86CB;&#x767D;&#x8CEA; DNA &#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3092;&#x8ABF;&#x3079;&#x308B;&#x305F;&#x3081;&#x306B;&#x5E83;&#x304F;&#x63A1;&#x7528;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x624B;&#x6CD5;&#x3067;&#x3059;&#x3001;&#x4E00;&#x822C;&#x7684;&#x3073;&#x307E;&#x3093;&#x6027;&#x30D2;&#x30B9;&#x30C8;&#x30F3; &#x30DE;&#x30FC;&#x30AF;&#x306E;&#x30A8;&#x30D4;&#x30B2;&#x30CE;&#x30E0;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x60AA;&#x540D;&#x9AD8;&#x3044;&#x5206;&#x6563;&#x3068;&#x6FC3;&#x7E2E;&#x306E;&#x5FAE;&#x5999;&#x306A;&#x30EC;&#x30D9;&#x30EB;&#x305D;&#x308C;&#x3089;&#x306F;&#x975E;&#x5E38;&#x306B;&#x56F0;&#x96E3;&#x3092;&#x5B9A;&#x7FA9;&#x306B;&#x4F5C;&#x308B;&#x5927;&#x304D;&#x3044;&#x5E83;&#x304C;&#x308A;&#x9593;&#x3067;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;Windows &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30D2;&#x30E5;&#x30FC;&#x30EA;&#x30B9;&#x30C6;&#x30A3;&#x30C3;&#x30AF;&#x306A;&#x30E2;&#x30C7;&#x30EB;&#x304A;&#x3088;&#x3073;&#x6709;&#x9650;&#x72B6;&#x614B;&#x96A0;&#x308C;&#x30DE;&#x30EB;&#x30B3;&#x30D5; &#x30E2;&#x30C7;&#x30EB; (Hmm) &#x30C1;&#x30C3;&#x30D7; seq &#x30C7;&#x30FC;&#x30BF;&#x3092;&#x5206;&#x6790;&#x3059;&#x308B;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x6210;&#x529F;&#x304C;&#x3001;&#x4F59;&#x97FB;&#x306E;&#x5236;&#x9650;&#x304C;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x6FC3;&#x7E2E;&#x306E;&#x5E83;&#x7BC4;&#x306A;&#x9818;&#x57DF;&#x3092;&#x691C;&#x51FA;&#x3059;&#x308B;&#x80FD;&#x529B;&#x3092;&#x5411;&#x4E0A;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x3044;&#x304F;&#x3064;&#x304B;&#x3053;&#x308C;&#x3089;&#x306E;&#x672A;&#x89E3;&#x6C7A;&#x306E;&#x554F;&#x984C;&#x306E;&#x30A2;&#x30C9;&#x30EC;&#x30B9;&#x306F;&#x78BA;&#x7387;&#x306E;&#x30D9;&#x30A4;&#x30BA;&#x5909;&#x66F4;&#x70B9; &#xFF08;BCP&#xFF09; &#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;BCP &#x306B;&#x306A;&#x308A;&#x307E;&#x3059;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x660E;&#x793A;&#x7684;&#x306A;&#x6570;&#x5F0F;&#x5F8C;&#x90E8;&#x306E;&#x624B;&#x6BB5;&#x306E;&#x305F;&#x3081;&#x306E;&#x53D6;&#x5F97;&#x306B;&#x3088;&#x3063;&#x3066;&#x7121;&#x9650;&#x72B6;&#x614B; Hmm &#x306E;&#x6700;&#x8FD1;&#x306E;&#x9032;&#x6B69;&#x306E;&#x5BC6;&#x5EA6;&#x3092;&#x8AAD;&#x307F;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x5F8C;&#x65B9;&#x306E;&#x624B;&#x6BB5;&#x306F;&#x3001;&#x30B2;&#x30CE;&#x30E0;&#x6FC3;&#x7E2E;&#x3068; unenriched &#x306E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x306B;&#x3042;&#x308B;&#x7FD2;&#x6163;&#x3092;&#x884C;&#x3063;&#x3066;&#x3001;&#x307E;&#x305F;&#x306F;&#x57FA;&#x306B;&#x306A;&#x308B; subpeaks &#x306F;&#x4FDD;&#x6301;&#x304B;&#x3089;&#x3067;&#x306F;&#x306A;&#x304F;&#x30D0;&#x30A4;&#x30CA;&#x30EA;&#x306E;&#x5206;&#x985E;&#x306B;&#x7C21;&#x4F53;&#x5B57;&#x3088;&#x308A;&#x8A73;&#x7D30;&#x306A;&#x95A2;&#x4FC2;&#x3092;&#x691C;&#x8A0E;&#x3057;&#x305F;&#x5206;&#x985E;&#x3092;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;BCP &#x3092;&#x5B9F;&#x884C;&#x8FD1;&#x304F;&#x306E;&#x5FB9;&#x5E95;&#x7684;&#x306A;&#x691C;&#x7D22;&#x3059;&#x3079;&#x3066;&#x306E;&#x53EF;&#x80FD;&#x306A;&#x5909;&#x66F4;&#x70B9;&#x7570;&#x306A;&#x308B;&#x5F8C;&#x90E8;&#x624B;&#x6BB5;&#x306E;&#x9593;&#x3067;&#x6700;&#x5C0F;&#x9650;&#x306B;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x4E3B;&#x89B3;&#x30A6;&#x30A3;&#x30F3;&#x30C9;&#x30A6;&#x306E;&#x30B5;&#x30A4;&#x30BA;&#x3057;&#x3001;&#x9AD8;&#x901F;&#x5316;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3068;&#x305D;&#x308C;&#x3092;&#x63A1;&#x7528;&#x3057;&#x3066;&#x660E;&#x793A;&#x7684;&#x306A;&#x6570;&#x5F0F;&#x306B;&#x3088;&#x3063;&#x3066;&#x8A08;&#x7B97;&#x4E0A;&#x52B9;&#x7387;&#x7684;&#x3067;&#x3059;&#x3002;&#x3073;&#x307E;&#x3093;&#x6027;&#x30D2;&#x30B9;&#x30C8;&#x30F3;&#x306E;&#x305F;&#x3081;&#x306E;&#x5B9A;&#x8A55;&#x306E;&#x3042;&#x308B;&#x300C;&#x30B4;&#x30FC;&#x30EB;&#x30C9; &#x30B9;&#x30BF;&#x30F3;&#x30C0;&#x30FC;&#x30C9;&#x300D;&#x306E;&#x4E0D;&#x5728;&#x3067;&#x6FC3;&#x7E2E;&#x30DE;&#x30FC;&#x30AF;&#x3001;BCP &#x306E;&#x5CF6;&#x691C;&#x51FA;&#x7CBE;&#x5EA6;&#x3068;&#x518D;&#x73FE;&#x6027;&#x306E;&#x5B9F;&#x8A3C;&#x7684;&#x8A3C;&#x62E0;&#x306E;&#x69D8;&#x3005; &#x306A;&#x5F62;&#x614B;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x79C1;&#x305F;&#x3061;&#x3092;&#x78BA;&#x8A3C;&#x3057;&#x307E;&#x3059;&#x3002;BCP &#x3073;&#x307E;&#x3093;&#x6027;&#x30D2;&#x30B9;&#x30C8;&#x30F3; &#x30C1;&#x30C3;&#x30D7; seq &#x30C7;&#x30FC;&#x30BF;&#x306E;&#x5206;&#x6790;&#x306B;&#x7279;&#x306B;&#x9069;&#x3057;&#x3066;&#x304C;&#x70B9;&#x72B6;&#x8EE2;&#x5199;&#x56E0;&#x5B50;&#x30C1;&#x30C3;&#x30D7; &#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x306E;&#x5206;&#x6790;&#x306B;&#x3082;&#x52B9;&#x679C;&#x7684;&#x306A;&#x5B9F;&#x9A13;&#x306E;&#x69D8;&#x3005; &#x306A;&#x30BF;&#x30A4;&#x30D7;&#x306E;&#x305F;&#x3081;&#x306B;&#x5E83;&#x304F;&#x9069;&#x7528;&#x3042;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x86CB;&#x767D;&#x8CEA; DNA &#x7D50;&#x5408;&#x3068;&#x30C1;&#x30C3;&#x30D7; seq &#x30C7;&#x30FC;&#x30BF;&#x3092;&#x30D9;&#x30A4;&#x30B8;&#x30A2;&#x30F3;&#x5909;&#x5316;&#x70B9;&#x6CD5;&#x306B;&#x3088;&#x308B;&#x30D2;&#x30B9;&#x30C8;&#x30F3;&#x4FEE;&#x98FE;&#x306E;&#x30B2;&#x30CE;&#x30E0;&#x306E;&#x30ED;&#x30FC;&#x30AB;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3002;

&#xADF8;&#xB4E4;&#xC758; &#xB3C4;&#xC785; &#xC774;&#xD6C4; &#xB2E4;&#xC74C; &#xC138;&#xB300; &#xC2DC;&#xD000;&#xC2F1; (NGS) &#xAE30;&#xC220;&#xC774; &#xC0C1;&#xB2F9;&#xD788; &#xC131;&#xC219; &#xD588;&#xB2E4; &#xBC0F; amassing &#xC591;&#xC758; &#xB370;&#xC774;&#xD130;&#xB97C; &#xB2E4;&#xB8E8;&#xB294; &#xC815;&#xAD50;&#xD55C; &#xBD84;&#xC11D; &#xB3C4;&#xAD6C; &#xAC1C;&#xBC1C;&#xC5D0; &#xCD08;&#xC810;&#xC744; &#xBC30;&#xCE58; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. Chromatin immunoprecipitation &#xC2DC;&#xD000;&#xC2A4; (seq &#xCE69;), NGS&#xC758; &#xC8FC;&#xC694; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8; &#xB2E8;&#xBC31;&#xC9C8; DNA &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC744; &#xAC80;&#xC0AC; &#xD558;&#xB294; &#xB370; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xCC44;&#xD0DD; &#xB41C; &#xAE30;&#xC220; &#xC774;&#xBA70; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xD655;&#xC0B0; &#xD788;&#xC2A4;&#xD1A4; &#xBD80;&#xD638;&#xC758; epigenetic &#xC11C;&#xBA85;&#xC744; &#xC870;&#xC0AC; &#xD558;&#xB294; &#xB370; &#xC0AC;&#xC6A9;. &#xC774;&#xB7EC;&#xD55C; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569; &#xC545;&#xBA85; &#xB192;&#xC740; &#xBD84;&#xC0B0; &#xBC0F; &#xB18D;&#xCD95;&#xC758; &#xBBF8;&#xBB18;&#xD55C; &#xC218;&#xC900; &#xC788;&#xB3C4;&#xB85D; &#xB9E4;&#xC6B0; &#xC815;&#xC758; &#xD558;&#xAE30; &#xC5B4;&#xB824;&#xC6B4; &#xD070; expanses&#xC5D0; &#xAC78;&#xCCD0; &#xC788;&#xB2E4;. &#xCE69; seq &#xB370;&#xC774;&#xD130; &#xBD84;&#xC11D;&#xC5D0; &#xC131;&#xACF5; &#xD558;&#xC9C0;&#xB9CC; &#xB290;&#xB9B0; &#xC81C;&#xD55C; Windows &#xAE30;&#xBC18;, &#xCD94;&#xB860; &#xBAA8;&#xB378; &#xBC0F; &#xC720;&#xD55C; &#xC0C1;&#xD0DC; &#xC228;&#xACA8;&#xC9C4;&#xB41C; &#xB9C8;&#xB974;&#xCF54;&#xD504; &#xBAA8;&#xB378; (HMMs) &#xC0AC;&#xC6A9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB18D;&#xCD95;&#xC758; &#xB113;&#xC740; &#xC601;&#xC5ED;&#xC744; &#xAC10;&#xC9C0; &#xD558;&#xB294; &#xB2A5;&#xB825;&#xC744; &#xD5A5;&#xC0C1;, &#xC774;&#xB7EC;&#xD55C; &#xD574;&#xACB0; &#xB418;&#xC9C0; &#xC54A;&#xC740; &#xBB38;&#xC81C;&#xB97C; &#xD574;&#xACB0; &#xD558;&#xB294; &#xD655;&#xB960;&#xC801; &#xBCA0;&#xC774;&#xC9C0;&#xC548; &#xC9C0;&#xC810; &#xBCC0;&#xACBD; (BCP) &#xBC29;&#xBC95; &#xAC1C;&#xBC1C;. BCP &#xAC8C; &#xD6C4;&#xBD80; &#xBC29;&#xBC95;&#xC5D0; &#xB300; &#xD55C; &#xBA85;&#xC2DC;&#xC801;&#xC778; &#xC218;&#xC2DD;&#xC744; &#xAC00;&#xC838;&#xC640;&#xC11C; &#xBB34;&#xD55C; &#xC0C1;&#xD0DC; Hmms&#xC758; &#xCD5C;&#xADFC; &#xBC1C;&#xC804;&#xC758; &#xC0AC;&#xC6A9; &#xBC00;&#xB3C4; &#xC77D;&#xAE30;. &#xC774;&#xB7EC;&#xD55C; &#xD6C4;&#xBD80; &#xC218;&#xB2E8; &#xAD00;&#xB840; &#xB2E4;, &#xB610;&#xB294; &#xAE30;&#xBCF8; subpeaks&#xB294; &#xBCF4;&#xC874; &#xBCF4;&#xB2E4;&#xB294; &#xC774;&#xC9C4; &#xBD84;&#xB958;&#xB85C; &#xAC04;&#xC18C;&#xD654; &#xC774;&#xD6C4; &#xB354; &#xC790;&#xC138;&#xD55C; &#xAD00;&#xACC4;&#xC5D0; &#xB300; &#xD55C; &#xAC80;&#xC0AC;&#xB294; &#xAC8C;&#xB188; &#xB18D;&#xCD95; unenriched &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xB85C; &#xBD84;&#xB958; &#xD558; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. BCP &#xC218;&#xD589; &#xB2E4;&#xB978; &#xD6C4;&#xBD80; &#xC218;&#xB2E8; &#xC0AC;&#xC774;&#xC758; &#xBAA8;&#xB4E0; &#xAC00;&#xB2A5;&#xD55C; &#xBCC0;&#xACBD; &#xC810;&#xC758; &#xADFC;&#xCC98; &#xCCA0;&#xC800; &#xD55C; &#xAC80;&#xC0C9;&#xC5D0;&#xC11C; &#xACE0;&#xD574;&#xC0C1;&#xB3C4; &#xCD5C;&#xC18C;&#xD654; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC708;&#xB3C4;&#xC6B0;&#xC758; &#xC8FC;&#xAD00; &#xD06C;&#xAE30;&#xC640; &#xAC00;&#xC18D;&#xD654; &#xC54C;&#xACE0;&#xB9AC;&#xC998; &#xBC0F; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xBA85;&#xC2DC;&#xC801;&#xC778; &#xC218;&#xC2DD;&#xC744; &#xACC4;&#xC0B0; &#xD6A8;&#xC728;&#xC801;&#xC785;&#xB2C8;&#xB2E4;. &#xD655;&#xC0B0; &#xD788;&#xC2A4;&#xD1A4;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xCD08;&#xAC00; &#xD2BC;&#xD2BC;&#xD55C; &quot;&#xAE08; &#xD45C;&#xC900;&quot;&#xC758; &#xBD80;&#xC7AC;&#xC5D0;&#xC11C; &#xB18D;&#xCD95;, &#xC6B0;&#xB9AC; &#xB4B7;&#xBC1B;&#xCE68; BCP&#xC758; &#xC12C; &#xAC80;&#xCD9C; &#xC815;&#xD655;&#xB3C4; &#xBC0F; &#xC7AC;&#xD604;&#xC131; &#xACBD;&#xD5D8;&#xC801; &#xC99D;&#xAC70;&#xC758; &#xB2E4;&#xC591; &#xD55C; &#xD615;&#xD0DC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC;. &#xC6B0;&#xB9AC;&#xB294; &#xD45C;&#xC2DC; BCP &#xD655;&#xC0B0; &#xD788;&#xC2A4;&#xD1A4; &#xCE69; seq &#xB370;&#xC774;&#xD130;&#xC758; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD574; &#xD2B9;&#xD788; &#xC801;&#xD569; &#xD558;&#xC9C0;&#xB9CC; punctate &#xC804;&#xC0AC; &#xC778;&#xC790; &#xCE69; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569; &#xBD84;&#xC11D;&#xC5D0; &#xD6A8;&#xACFC;&#xC801;&#xC778; &#xC218;&#xB9CE;&#xC740; &#xC885;&#xB958;&#xC758; &#xC2E4;&#xD5D8;&#xC744; &#xC704;&#xD574; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xC801;&#xC6A9; &#xD558;&#xAE30;&#xAC00;.

&#xBC14;&#xC778;&#xB529; &#xB2E8;&#xBC31;&#xC9C8;-DNA&#xC640; &#xD788;&#xC2A4;&#xD1A4; &#xC218;&#xC815; &#xCE69;-seq &#xB370;&#xC774;&#xD130;&#xB85C; &#xBCA0;&#xC774;&#xC9C0;&#xC548; &#xC9C0;&#xC810; &#xBCC0;&#xACBD; &#xBC29;&#xBC95;&#xC73C;&#xB85C; &#xAC8C;&#xB188; &#xC804;&#xCCB4; &#xC9C0;&#xC5ED;&#xD654;.

Tecnolog&iacute;as de secuenciaci&oacute;n de &uacute;ltima generaci&oacute;n (NGS) han madurado considerablemente desde su introducci&oacute;n y se ha colocado un foco en el desarrollo de sofisticadas herramientas anal&iacute;ticas para ocuparse de los vol&uacute;menes amassing de datos. Secuenciaci&oacute;n de inmunoprecipitaci&oacute;n de cromatina (ChIP-seq), una mayor aplicaci&oacute;n de NGS, es una t&eacute;cnica ampliamente adoptada para examinar las interacciones prote&iacute;na-DNA y es com&uacute;nmente usado para investigar epigen&eacute;ticas firmas de marcas de histona difusa. Estos conjuntos de datos tienen notoriamente alta varianza y sutiles niveles de enriquecimiento a trav&eacute;s de grandes extensiones, haci&eacute;ndolos sumamente dif&iacute;cil de definir. Modelos basados en Windows, heur&iacute;sticos y modelos ocultos de Markov de aut&oacute;mata finito (HMMs) se han utilizado con cierto &eacute;xito en el an&aacute;lisis de datos de ChIP-seq pero con limitaciones persistentes. Para mejorar la capacidad de detectar grandes regiones de enriquecimiento, se desarroll&oacute; un m&eacute;todo estoc&aacute;stico de Bayesiano cambio-Point (BCP), que se ocupa de algunos de estos problemas no resueltos. BCP hace uso de los avances recientes en estado infinito HMMs obteniendo f&oacute;rmulas expl&iacute;citas para medios posteriores de Lee densidades. Estos medios posteriores pueden utilizarse para categorizar el genoma en segmentos enriquecidos y no acondicionados, como se hace habitualmente, o examinar para relaciones m&aacute;s detalladas desde los subpeaks subyacentes se conserva en lugar de simplificado en una clasificaci&oacute;n binaria. BCP realiza una b&uacute;squeda exhaustiva cerca de todos los puntos de posible cambio entre diferentes medios posteriores en alta resoluci&oacute;n para minimizar la subjetividad de ventana tama&ntilde;os y es computacionalmente eficiente, debido a un algoritmo de acelerar y las f&oacute;rmulas expl&iacute;citas que emplea. En la ausencia de una bien establecida &quot;gold standard&quot; para difusa histona marca enriquecimiento, corrobor&oacute; la precisi&oacute;n de la detecci&oacute;n de isla y reproducibilidad mediante diversas formas de evidencia emp&iacute;rica del BCP. Mostramos que el BCP es especialmente adecuado para el an&aacute;lisis de los datos de la histona difusa ChIP-seq pero tambi&eacute;n eficaz punteada transcripci&oacute;n factor ChIP datasets, al analizar lo que es ampliamente aplicable para numerosos tipos de experimento.

Localizaci&oacute;n del genoma de prote&iacute;na-DNA obligatorio y modificaci&oacute;n de las histonas por un m&eacute;todo de cambio punto Bayesiano con ChIP-seq datos.

T regolatorie (cellule T(reg)), caratterizzata dall&#39;espressione del fattore di trascrizione forkhead box P3 (Foxp3), mantengono l&#39;omeostasi immunitaria attraverso l&#39;eliminazione delle risposte immunitarie auto-distruttive. FOXP3 opera come un fattore di differenziazione tardiva-recitazione controllando omeostasi delle cellule T(reg) e funzione, mentre i primi T (reg) - cella - impegno di lignaggio &egrave; regolata la chinasi Akt e la casella forkhead famiglia (Foxo) O di fattori di trascrizione. Tuttavia, se le proteine Foxo agiscono di l&agrave; del T (reg) - cella - funzione e fase di impegno al controllo dell&#39;omeostasi delle cellule T(reg) rimane in gran parte inesplorata. Qui vi mostriamo che Foxo1 &egrave; un cardine regolatore della funzione delle cellule T (reg). T(reg) cellule esprimono quantit&agrave; elevate di Foxo1 e visualizzazione ridotta attivazione T-cell receptor-indotta Akt, Foxo1 fosforilazione e Foxo1 nucleare esclusione. Topi con T (reg) - cellula - specifico eliminazione di Foxo1 sviluppare una fatale malattia infiammatoria in gravit&agrave; simile a quello osservato nei topi deficienti di Foxp3, ma senza la perdita di cellule T(reg). Analisi genome-wide di Foxo1 siti di legame rivelano ~ 300 associati a Foxo1 geni bersaglio, tra cui le citochine pro-infiammatorie Ifng, che non sembrano essere direttamente regolato da Foxp3. Questi risultati mostrano che il modulo di segnalazione Akt-Foxo1 evolutivamente antico controlla un romanzo programma genetico indispensabile per la funzione delle cellule T(reg).

Nuovi programmi di transcriptional Foxo1-dipendente di controllo funzione cella T(reg).

&#x89C4;&#x7BA1; T (T(reg)) &#x7EC6;&#x80DE;&#xFF0C;&#x7279;&#x70B9;&#x662F;&#x8868;&#x8FBE;&#x7684;&#x8F6C;&#x5F55;&#x56E0;&#x5B50; forkhead &#x6846; P3 (Foxp3) &#x4FDD;&#x6301;&#x514D;&#x75AB;&#x7A33;&#x6001;&#x901A;&#x8FC7;&#x6291;&#x5236;&#x81EA;&#x6211;&#x6BC1;&#x706D;&#x7684;&#x514D;&#x75AB;&#x53CD;&#x5E94;&#x3002;Foxp3 &#x8FD0;&#x4F5C;&#x4F5C;&#x4E3A;&#x540E;&#x671F;&#x4EE3;&#x7406;&#x5206;&#x5316;&#x56E0;&#x5B50;&#x63A7;&#x5236; T(reg) &#x7EC6;&#x80DE;&#x7A33;&#x6001;&#x548C;&#x51FD;&#x6570;&#xFF0C;&#x800C;&#x65E9;&#x671F; T (reg)-&#x5355;&#x5143;&#x683C;-&#x6CBF;&#x88AD;&#x627F;&#x8BFA;&#x53D7; Akt &#x6FC0;&#x9176;&#x548C; forkhead &#x6846; O (Foxo) &#x5BB6;&#x65CF;&#x7684;&#x8F6C;&#x5F55;&#x56E0;&#x5B50;&#x3002;&#x4F46;&#x662F;&#xFF0C;&#x662F;&#x5426;&#x8D85;&#x8D8A; (reg)-&#x5355;&#x5143;&#x683C;-T Foxo &#x86CB;&#x767D;&#x627F;&#x8BFA;&#x9636;&#x6BB5;&#x63A7;&#x5236; T(reg) &#x7EC6;&#x80DE;&#x7A33;&#x6001;&#x4E0E;&#x529F;&#x80FD;&#x4ECD;&#x7136;&#x4E3B;&#x8981;&#x662F;&#x86EE;&#x8352;&#x4E4B;&#x5730;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#x6211;&#x4EEC;&#x5C55;&#x793A; Foxo1 &#x662F;&#x5173;&#x952E; (reg) T &#x7EC6;&#x80DE;&#x529F;&#x80FD;&#x7684;&#x8C03;&#x8282;&#x3002;T(reg) &#x7EC6;&#x80DE;&#x8868;&#x8FBE; Foxo1 &#x9AD8;&#x91CF;&#x548C;&#x663E;&#x793A;&#x51CF;&#x5C11;&#x4E86; T &#x7EC6;&#x80DE;&#x53D7;&#x4F53;&#x8BF1;&#x5BFC; Akt &#x6D3B;&#x5316;&#x3001; Foxo1 &#x78F7;&#x9178;&#x5316;&#x548C; Foxo1 &#x6838;&#x6392;&#x65A5;&#x3002;&#x5C0F;&#x9F20;&#x4E0E; T (reg)-&#x5355;&#x5143;&#x683C;-Foxo1 &#x5177;&#x4F53;&#x5220;&#x9664;&#x5F00;&#x53D1;&#x81F4;&#x547D;&#x7684;&#x708E;&#x6027;&#x75BE;&#x75C5;&#x7684;&#x4E25;&#x91CD;&#x7A0B;&#x5EA6;&#xFF0C;&#x770B;&#x5230; Foxp3 &#x57FA;&#x56E0;&#x7F3A;&#x9677;&#x7684;&#x5C0F;&#x9F20;&#xFF0C;&#x4F46;&#x5E76;&#x6CA1;&#x6709;&#x635F;&#x5931;&#x7684; T(reg) &#x5355;&#x5143;&#x683C;&#x7C7B;&#x4F3C;&#x3002;Foxo1 &#x7684;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x7684;&#x5168;&#x57FA;&#x56E0;&#x7EC4;&#x5206;&#x6790;&#x63ED;&#x793A;&#x4E86; ~ 300 Foxo1 &#x7ED1;&#x5B9A;&#x76EE;&#x6807;&#x57FA;&#x56E0;&#xFF0C;&#x5305;&#x62EC; Ifng&#xFF0C;&#x708E;&#x75C7;&#x7EC6;&#x80DE;&#x56E0;&#x5B50;&#xFF0C;&#x4F3C;&#x4E4E;&#x5E76;&#x4E0D;&#x76F4;&#x63A5;&#x53D7; Foxp3&#x3002;&#x8FD9;&#x4E9B;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x663E;&#x793A;&#xFF0C;&#x4ECE;&#x8FDB;&#x5316;&#x7684;&#x89D2;&#x5EA6;&#x53E4;&#x4EE3; Akt Foxo1 &#x4FE1;&#x53F7;&#x6A21;&#x5757;&#x63A7;&#x5236; T(reg) &#x7EC6;&#x80DE;&#x529F;&#x80FD;&#x4E0D;&#x53EF;&#x6216;&#x7F3A;&#x7684;&#x65B0;&#x578B;&#x9057;&#x4F20;&#x7A0B;&#x5E8F;&#x3002;

&#x65B0;&#x578B; Foxo1 &#x4F9D;&#x8D56;&#x8F6C;&#x5F55;&#x7A0B;&#x5E8F;&#x63A7;&#x5236; T(reg) &#x7EC6;&#x80DE;&#x529F;&#x80FD;&#x3002;

Regulatory T (T(reg)) cells, characterized by expression of the transcription factor forkhead box P3 (Foxp3), maintain immune homeostasis by suppressing self-destructive immune responses. Foxp3 operates as a late-acting differentiation factor controlling T(reg) cell homeostasis and function, whereas the early T(reg)-cell-lineage commitment is regulated by the Akt kinase and the forkhead box O (Foxo) family of transcription factors. However, whether Foxo proteins act beyond the T(reg)-cell-commitment stage to control T(reg) cell homeostasis and function remains largely unexplored. Here we show that Foxo1 is a pivotal regulator of T(reg )cell function. T(reg) cells express high amounts of Foxo1 and display reduced T-cell-receptor-induced Akt activation, Foxo1 phosphorylation and Foxo1 nuclear exclusion. Mice with T(reg)-cell-specific deletion of Foxo1 develop a fatal inflammatory disorder similar in severity to that seen in Foxp3-deficient mice, but without the loss of T(reg) cells. Genome-wide analysis of Foxo1 binding sites reveals ~300 Foxo1-bound target genes, including the pro-inflammatory cytokine Ifng, that do not seem to be directly regulated by Foxp3. These findings show that the evolutionarily ancient Akt-Foxo1 signalling module controls a novel genetic program indispensable for T(reg) cell function.

Novel Foxo1-dependent transcriptional programs control T(reg) cell function.

T r&eacute;gulateurs (cellules T(reg)), caract&eacute;ris&eacute;s par l&#39;expression du facteur transcription forkhead box 3P (Foxp3), maintiennent l&#39;hom&eacute;ostasie immunitaire en supprimant des r&eacute;ponses immunitaires autodestructeurs. Foxp3 fonctionne comme un facteur de diff&eacute;renciation de fin d&#39;action contr&ocirc;lant l&#39;hom&eacute;ostasie cellulaire T(reg) et fonction, tandis que le d&eacute;but T (reg) - cellule - engagement de lign&eacute;e est r&eacute;glement&eacute;e par la kinase Akt et la bo&icirc;te de forkhead famille O (Foxo) des facteurs de transcription. Toutefois, si Foxo prot&eacute;ines agissent au-del&agrave; de la T (reg) - cellule - fonction et stade d&#39;engagement au contr&ocirc;le de l&#39;hom&eacute;ostasie cellulaire T(reg) reste largement inexplor&eacute;es. Nous montrons ici que Foxo1 est un r&eacute;gulateur essentiel de la fonction des cellules T (reg). T(REG) cellules expriment des quantit&eacute;s &eacute;lev&eacute;es de Foxo1 et affichage r&eacute;duit l&#39;activation d&#39;Akt T-cell receptor-induite, phosphorylation de Foxo1 et Foxo1 exclusion nucl&eacute;aire. Souris avec T (reg) - cellule - suppression sp&eacute;cifique de Foxo1 d&eacute;velopper une affection inflammatoire fatale gravit&eacute; semblable &agrave; celle observ&eacute;e chez les souris d&eacute;ficientes en Foxp3, mais sans la perte de cellules T(reg). Analyse de g&eacute;nome de Foxo1 sites de liaison r&eacute;v&egrave;le ~ 300 Foxo1 li&eacute; aux g&egrave;nes cibles, y compris la cytokine pro-inflammatoire Ifng, qui ne semblent pas &ecirc;tre directement r&eacute;gl&eacute;e par Foxp3. Ces r&eacute;sultats montrent que le module de signalisation Akt-Foxo1 &eacute;volutivement antique contr&ocirc;le un nouveau programme d&#39;am&eacute;lioration g&eacute;n&eacute;tique indispensable &agrave; la fonction des cellules T(reg).

Nouveaux programmes de transcriptionnelles d&eacute;pendant Foxo1 contr&ocirc;lent la fonction des cellules T(reg).

Regulatorischen T (T(reg)) Zellen, zeichnet sich durch Ausdruck der Transkription Faktor Forkhead Kasten P3 (Foxp3), pflegen immun Hom&ouml;ostase selbstzerst&ouml;rerischen Immunantworten zu unterdr&uuml;cken. FOXP3 betreibt als sp&auml;te wirkende Differenzierung Faktor controlling T(reg) Zelle Hom&ouml;ostase und Funktion, w&auml;hrend die fr&uuml;hen T (Reg) - Zell - Linie Engagement wird durch die Akt-Kinase und der Forkhead-Box O (Foxo) Familie von Transkriptionsfaktoren reguliert. Ob Proteine Foxo handeln jenseits der T (Reg) - Zelle - bleibt Engagement B&uuml;hne zu kontrollieren T(reg) Zelle Hom&ouml;ostase und Funktion jedoch weitgehend unerforscht. Hier zeigen wir, dass Foxo1 einen zentralen Regulator der T (Reg) Zelle-Funktion. T(reg) Zellen express hohe Mengen an Foxo1 und Display reduzierte T-Zelle-Rezeptor-induzierte Akt Aktivierung, Foxo1 Phosphorylierung und Foxo1 nukleare Ausgrenzung. M&auml;use mit T (Reg) - Zell - spezifischen Streichung des Foxo1 entwickeln eine schwerwiegende entz&uuml;ndliche Erkrankung, die &auml;hnlich schwere Foxp3-defizienten M&auml;usen, aber ohne den Verlust von T(reg) Zellen. Genomweiten Analyse der Foxo1 Bindung Websites zeigt ~ 300 Foxo1 gebundene Zielgene, darunter die Pro-inflammatorische Zytokin Ifng, die offenbar nicht direkt von Foxp3 reguliert werden. Diese Ergebnisse zeigen, dass das evolution&auml;r alte Signalgebung Akt-Foxo1-Modul ein neuartiges genetisches Programm unverzichtbar f&uuml;r T(reg)-Zelle-Funktion steuert.

Roman Foxo1-abh&auml;ngige transkriptionelle Programme Steuern T(reg)-Zelle-Funktion.

&#x30EC;&#x30AE;&#x30E5;&#x30E9;&#x30C8;&#x30EA;&#x30FC; T &#xFF08;T(reg)) &#x7D30;&#x80DE;&#x3001;&#x8EE2;&#x5199;&#x56E0;&#x5B50;&#x30D5;&#x30A9;&#x30FC;&#x30AF;&#x30D8;&#x30C3;&#x30C9;&#x30BF;&#x30F3;&#x30D1;&#x30AF; &#x30DC;&#x30C3;&#x30AF;&#x30B9; P3 (Foxp3) &#x306E;&#x5F0F;&#x306B;&#x3088;&#x3063;&#x3066;&#x7279;&#x5FB4;&#x3065;&#x3051;&#x3089;&#x308C;&#x308B;&#x514D;&#x75AB;&#x6052;&#x5E38;&#x6027;&#x81EA;&#x5DF1;&#x7834;&#x58CA;&#x7684;&#x306A;&#x514D;&#x75AB;&#x5FDC;&#x7B54;&#x3092;&#x6291;&#x5236;&#x3059;&#x308B;&#x3092;&#x7DAD;&#x6301;&#x3057;&#x307E;&#x3059;&#x3002;Foxp3 &#x306B;&#x5BFE;&#x3057; T(reg) &#x7D30;&#x80DE;&#x306E;&#x6052;&#x5E38;&#x6027;&#x3068;&#x6A5F;&#x80FD;&#x3092;&#x5236;&#x5FA1;&#x3059;&#x308B;&#x6F14;&#x6280;&#x5F8C;&#x671F;&#x5206;&#x5316;&#x56E0;&#x5B50;&#x3068;&#x3057;&#x3066;&#x904B;&#x55B6;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x521D;&#x671F;&#x306E; T (reg) - &#x30BB;&#x30EB; - &#x30EA;&#x30CD;&#x30FC;&#x30B8;&#x30E5; &#x30B3;&#x30DF;&#x30C3;&#x30C8;&#x30E1;&#x30F3;&#x30C8;&#x3067;&#x3059;&#x898F;&#x5236; Akt &#x30AD;&#x30CA;&#x30FC;&#x30BC;&#x3068;&#x30D5;&#x30A9;&#x30FC;&#x30AF;&#x30D8;&#x30C3;&#x30C9;&#x30BF;&#x30F3;&#x30D1;&#x30AF; &#x30DC;&#x30C3;&#x30AF;&#x30B9; O (Foxo) &#x30D5;&#x30A1;&#x30DF;&#x30EA;&#x30FC;&#x8EE2;&#x5199;&#x56E0;&#x5B50;&#x306E;&#x3067;&#x3002;&#x305F;&#x3060;&#x3057;&#x3001;Foxo &#x86CB;&#x767D;&#x8CEA; (reg) - &#x30BB;&#x30EB; - T &#x3092;&#x8D85;&#x3048;&#x3066;&#x52D5;&#x4F5C;&#x304B;&#x3069;&#x3046;&#x304B;&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB; T(reg) &#x7D30;&#x80DE;&#x306E;&#x6052;&#x5E38;&#x6027;&#x3078;&#x306E;&#x30B3;&#x30DF;&#x30C3;&#x30C8;&#x30E1;&#x30F3;&#x30C8; &#x30B9;&#x30C6;&#x30FC;&#x30B8;&#x3068;&#x95A2;&#x6570;&#x307E;&#x307E;&#x5927;&#x90E8;&#x5206;&#x306F;&#x672A;&#x8E0F;&#x3067;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x6211;&#x3005; Foxo1 T (reg) &#x7D30;&#x80DE;&#x6A5F;&#x80FD;&#x306E;&#x6975;&#x3081;&#x3066;&#x91CD;&#x8981;&#x306A;&#x8ABF;&#x7BC0;&#x56E0;&#x5B50;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;T(reg) &#x7D30;&#x80DE; Foxo1 &#x306E;&#x591A;&#x91CF;&#x767A;&#x73FE;&#x3057;&#x3001;T &#x7D30;&#x80DE;&#x53D7;&#x5BB9;&#x4F53;&#x8A98;&#x8D77; Akt &#x6D3B;&#x6027;&#x5316;&#x3001;Foxo1 &#x306E;&#x30EA;&#x30F3;&#x9178;&#x5316;&#x304A;&#x3088;&#x3073; Foxo1 &#x6838;&#x9664;&#x5916;&#x30C7;&#x30A3;&#x30B9;&#x30D7;&#x30EC;&#x30A4;&#x3092;&#x524A;&#x6E1B;&#x3057;&#x307E;&#x3059;&#x3002;&#x30DE;&#x30A6;&#x30B9; T (reg) - &#x30BB;&#x30EB; - &#x7279;&#x5B9A;&#x306E;&#x524A;&#x9664; Foxo1 &#x306E;&#x958B;&#x767A;&#x81F4;&#x547D;&#x7684;&#x306A;&#x708E;&#x75C7;&#x6027;&#x75BE;&#x60A3;&#x306E;&#x91CD;&#x75C7;&#x5EA6;&#x3068;&#x540C;&#x69D8; T(reg) &#x7D30;&#x80DE;&#x306E;&#x640D;&#x5931; Foxp3 &#x6B20;&#x640D;&#x30DE;&#x30A6;&#x30B9;&#x3067;&#x306F;&#x306A;&#x304F;&#x898B;&#x3089;&#x308C;&#x308B;&#x3002;Foxo1 &#x306E;&#x30B2;&#x30CE;&#x30E0;&#x89E3;&#x6790;&#x306E;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x306F;&#x76F4;&#x63A5; Foxp3 &#x306B;&#x3088;&#x3063;&#x3066;&#x898F;&#x5236;&#x3055;&#x308C;&#x308B;&#x3057;&#x3066;&#x3044;&#x306A;&#x3044;&#x3088;&#x3046;&#x30D7;&#x30ED;&#x708E;&#x75C7;&#x6027;&#x30B5;&#x30A4;&#x30C8;&#x30AB;&#x30A4;&#x30F3;&#x751F;&#x3058;&#x3055;&#x305B;&#x308B;, &#x3092;&#x542B;&#x3080; ~ 300 Foxo1 &#x30D0;&#x30A4;&#x30F3;&#x30C9; &#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x907A;&#x4F1D;&#x5B50;&#x3092;&#x660E;&#x3089;&#x304B;&#x306B;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x77E5;&#x898B;&#x306F;&#x9032;&#x5316;&#x7684;&#x53E4;&#x4EE3; Akt Foxo1 &#x30B7;&#x30B0;&#x30CA;&#x30EB;&#x4F1D;&#x9054;&#x30E2;&#x30B8;&#x30E5;&#x30FC;&#x30EB; T(reg) &#x7D30;&#x80DE;&#x6A5F;&#x80FD;&#x306B;&#x4E0D;&#x53EF;&#x6B20;&#x306A;&#x65B0;&#x898F;&#x907A;&#x4F1D;&#x7684;&#x30D7;&#x30ED;&#x30B0;&#x30E9;&#x30E0;&#x3092;&#x5236;&#x5FA1;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;

T(reg) &#x7D30;&#x80DE;&#x306E;&#x6A5F;&#x80FD;&#x3092;&#x5236;&#x5FA1;&#x5C0F;&#x8AAC; Foxo1 &#x4F9D;&#x5B58;&#x578B;&#x8EE2;&#x5199;&#x30D7;&#x30ED;&#x30B0;&#x30E9;&#x30E0;&#x3002;

&#xADDC;&#xC81C; T (T(reg)) &#xC140;, &#xC804;&#xC0AC; &#xC778;&#xC790; forkhead &#xC0C1;&#xC790; P3 (Foxp3)&#xC758; &#xD45C;&#xD604; &#xD2B9;&#xC9D5; &#xC790;&#xAE30; &#xD30C;&#xAD34;&#xC801;&#xC778; &#xBA74;&#xC5ED; &#xBC18;&#xC751;&#xC744; &#xC5B5;&#xC81C; &#xD558; &#xC5EC; &#xBA74;&#xC5ED; &#xD56D;&#xC0C1;&#xC131; &#xC720;&#xC9C0;. &#xBC18;&#xBA74; Foxp3 T(reg) &#xC138;&#xD3EC; &#xD56D;&#xC0C1;&#xC131; &#xBC0F; &#xD568;&#xC218;, &#xC81C;&#xC5B4; &#xB2A6;&#xC740; &#xD589;&#xB3D9; &#xCC28;&#xBCC4;&#xD654; &#xC694;&#xC18C;&#xB85C; &#xC791;&#xB3D9; &#xCD08;&#xAE30; T (reg)-&#xC140;-&#xB9AC;&#xB2C8;&#xC9C0; &#xC57D;&#xC18D; Akt &#xD0A4; &#xB2C8; &#xC544; &#xC81C; &#xBC0F; forkhead &#xC0C1;&#xC790; &#xB179;&#xC74C; &#xBC29;&#xC1A1; &#xC694;&#xC778;&#xC758; O (Foxo) &#xAC00;&#xC871;&#xC5D0; &#xC758;&#xD574; &#xADDC;&#xC81C; &#xB429;&#xB2C8;&#xB2E4;. &#xB4E0; Foxo &#xB2E8;&#xBC31;&#xC9C8; (reg)-&#xC140;-T&#xC744; &#xB118;&#xC5B4; &#xD589;&#xB3D9; &#xC81C;&#xC5B4; T(reg) &#xC138;&#xD3EC; &#xD56D;&#xC0C1;&#xC131; &#xD5CC;&#xC2E0; &#xB2E8;&#xACC4;&#xC640; &#xAE30;&#xB2A5; &#xD06C;&#xAC8C; &#xBBF8;&#xAC1C;&#xCC99; &#xC131;&#xAC00;&#xC2E0;, &#xB0A8;&#xC544; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC5EC;&#xAE30; &#xC6B0;&#xB9AC;&#xB294; Foxo1 T (reg) &#xC140; &#xD568;&#xC218;&#xC758; &#xC911;&#xCD94;&#xC801;&#xC778; &#xB808; &#xADE4; &#xB808;&#xC774; &#xD130;&#xB294; &#xBCF4;&#xC5EC;&#xC900;&#xB2E4;. T(reg) &#xC140; Foxo1 &#xB192;&#xC740; &#xC591;&#xC758; &#xC775;&#xC2A4;&#xD504;&#xB808;&#xC2A4;&#xC640; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xAC10;&#xC18C; T &#xC138;&#xD3EC; &#xC218;&#xC6A9; &#xCCB4; &#xC720;&#xBC1C; Akt &#xD65C;&#xC131;&#xD654;, Foxo1 &#xC778; &#xC0B0;&#xD654; &#xBC0F; Foxo1 &#xD575; &#xC81C;&#xC678;. &#xB9C8;&#xC6B0;&#xC2A4; t (reg)-&#xC140;-foxo1&#xC758; &#xD2B9;&#xC815; &#xC0AD;&#xC81C; &#xCE58;&#xBA85;&#xC801;&#xC778; &#xC5FC;&#xC99D; &#xC131; &#xC7A5;&#xC560; &#xC2EC;&#xAC01;&#xB3C4;&#xC5D0;&#xC11C; T(reg) &#xC140; &#xC190;&#xC2E4; &#xD558;&#xC9C0; &#xC54A;&#xACE0; Foxp3 &#xBD88;&#xCDA9;&#xBD84; &#xD55C; &#xC950;&#xC5D0;&#xC11C; &#xBCF8; &#xBE44;&#xC2B7;&#xD55C;&#xC744; &#xAC1C;&#xBC1C; &#xD569;&#xB2C8;&#xB2E4;. &#xC0AC;&#xC774;&#xD2B8; &#xBC14;&#xC778;&#xB529; foxo1&#xC758; &#xAC8C;&#xB188; &#xB113;&#xC740; &#xBD84;&#xC11D; ~ 300 Foxo1 &#xBC14;&#xC778;&#xB529; &#xB300;&#xC0C1; &#xC720;&#xC804;&#xC790;&#xB97C;, Ifng, &#xD504;&#xB85C;-&#xC5FC;&#xC99D; &#xC131; cytokine &#xB4F1; Foxp3 &#xC9C1;&#xC811; &#xADDC;&#xC81C; &#xD558;&#xC9C0; &#xC54A;&#xB294; &#xAC83;&#xC744; &#xBCF4;&#xC5EC;&#xC900;&#xB2E4;. &#xC774; &#xBC1C;&#xACAC;&#xC740; &#xC9C4;&#xD654; &#xC801;&#xC73C;&#xB85C; &#xACE0; &#xB300; Akt Foxo1 &#xC2E0;&#xD638; &#xBAA8;&#xB4C8; &#xC81C;&#xC5B4; &#xC18C;&#xC124; &#xC720;&#xC804; &#xD504;&#xB85C;&#xADF8;&#xB7A8; T(reg) &#xC138;&#xD3EC; &#xAE30;&#xB2A5;&#xC5D0; &#xD544;&#xC218;&#xC801;&#xC778; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4;.

&#xC18C;&#xC124; Foxo1 &#xC885;&#xC18D; transcriptional &#xD504;&#xB85C;&#xADF8;&#xB7A8; T(reg) &#xC140; &#xAE30;&#xB2A5;&#xC744; &#xC81C;&#xC5B4; &#xD569;&#xB2C8;&#xB2E4;.

T reguladora (c&eacute;lulas T(reg)), caracterizadas por la expresi&oacute;n del factor de transcripci&oacute;n forkhead box P3 (Foxp3), mantienen la homeostasis inmune suprimiendo inmunorespuestas autodestructivas. Foxp3 opera como un factor de diferenciaci&oacute;n de la &uacute;ltima acci&oacute;n control de la homeostasis celular de T(reg) y funci&oacute;n, mientras que el T temprano (reg) - celular - compromiso de linaje est&aacute; regulada por la quinasa Akt y la caja de forkhead familia O (Foxo) de factores de transcripci&oacute;n. Sin embargo, si Foxo prote&iacute;nas act&uacute;an m&aacute;s all&aacute; de la T (reg) - celular - funci&oacute;n y etapa de compromiso para controlar la homeostasis celular T(reg) sigue en gran parte inexplorada. Aqu&iacute; mostramos que Foxo1 es un regulador fundamental de la funci&oacute;n de la c&eacute;lula de T (reg). T(REG) c&eacute;lulas expresan altas cantidades de Foxo1 y pantalla reduce la activaci&oacute;n de Akt T-celular-receptor-inducida, fosforilaci&oacute;n de Foxo1 y exclusi&oacute;n nuclear Foxo1. Ratones con T (reg) - celular - eliminaci&oacute;n espec&iacute;fica de Foxo1 desarrollar un fatal desorden inflamatorio similar en severidad al que se observa en ratones deficientes de Foxp3, pero sin la p&eacute;rdida de c&eacute;lulas de T(reg). An&aacute;lisis del genoma de Foxo1 sitios de Uni&oacute;n revelan ~ 300 Foxo1-limite genes diana, incluyendo la citocina proinflamatoria Interferon, que no parecen ser directamente regulados por Foxp3. Estos resultados demuestran que el m&oacute;dulo de se&ntilde;alizaci&oacute;n Akt-Foxo1 evolutivamente antiguo controla un novedoso programa gen&eacute;tico indispensable para la funci&oacute;n de la c&eacute;lula T(reg).

Yifan Mo

Department of Applied Mathematics & Statistics

Stony Brook University

A Novel Bayesian Change-point Algorithm for Genome-wide Analysis of Diverse ChIPseq Data Types

Yifan Mo

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Department of Applied Mathematics & Statistics

Stony Brook University

A Novel Bayesian Change-point Algorithm for Genome-wide Analysis of Diverse ChIPseq Data Types

Department of Applied Mathematics & Statistics