El projecte consisteix en fer una anàlisi comparativa de GRaNIE, un mètode d’inferència de xarxes de regulació gènica incloent enhancers a partir de bulk RNA-seq i ATAC-seq data, al nivell single-cell. Proposem una manera de dur a terme l’anàlisi mitjançant una metodologia basada en la validació de les connexions de les xarxes amb dades pcHi-C, eQTL i ChIP-Seq. A més, realitzem un estudi biològic comprensiu de les xarxes produïdes per GraNIE i avaluem la seva capacitat predictiva mitjançant GRaNPA, ...
El projecte consisteix en fer una anàlisi comparativa de GRaNIE, un mètode d’inferència de xarxes de regulació gènica incloent enhancers a partir de bulk RNA-seq i ATAC-seq data, al nivell single-cell. Proposem una manera de dur a terme l’anàlisi mitjançant una metodologia basada en la validació de les connexions de les xarxes amb dades pcHi-C, eQTL i ChIP-Seq. A més, realitzem un estudi biològic comprensiu de les xarxes produïdes per GraNIE i avaluem la seva capacitat predictiva mitjançant GRaNPA, un mètode d’aprenentatge estadístic, que avalua com de bé una GRN pot predir dades d’expressió gènica diferencial específiques de tipus cel·lulars.
+
El proyecto consiste en hacer un análisis comparativo de GraNIE, un método de inferencia de redes de regulación génica incluyendo enhancers a partir de bulk RNA-seq y ATAC-seq data, a nivel single-cell, Proponemos una forma de llevar a cabo el análisis mediante una metodología basada en la validación de las conexiones de las redes con datos pcHi-C, eQTL y ChIP-seq. Además, realizamos un estudio comprensivo de las redes producidas por GRaNIE y evaluamos su capacidad predictiva a través de GRaNPA, ...
El proyecto consiste en hacer un análisis comparativo de GraNIE, un método de inferencia de redes de regulación génica incluyendo enhancers a partir de bulk RNA-seq y ATAC-seq data, a nivel single-cell, Proponemos una forma de llevar a cabo el análisis mediante una metodología basada en la validación de las conexiones de las redes con datos pcHi-C, eQTL y ChIP-seq. Además, realizamos un estudio comprensivo de las redes producidas por GRaNIE y evaluamos su capacidad predictiva a través de GRaNPA, un método de aprendizaje estadístico, que evalúa cómo de bien una GRN puede predecir datos de expressión génica diferencial específicos de tipos celulares.
+
The project consists of benchmarking GRaNIE, a enhancer inclusive gene regulatory network inference method from bulk RNA-seq and ATA-seq data, at the single-cell level. We propose a way of carrying out the benchmark through a validation-based approach that assesses the network's ability to predict real regulatory interactions from cell-type-specific pcHi-C, eQTL and ChIP-Seq data. Additionally, we perform a biological comprehensive analysis of the output eGRNs and evaluate their predictive power ...
The project consists of benchmarking GRaNIE, a enhancer inclusive gene regulatory network inference method from bulk RNA-seq and ATA-seq data, at the single-cell level. We propose a way of carrying out the benchmark through a validation-based approach that assesses the network's ability to predict real regulatory interactions from cell-type-specific pcHi-C, eQTL and ChIP-Seq data. Additionally, we perform a biological comprehensive analysis of the output eGRNs and evaluate their predictive power utilizing GRaNPA, a machine learning framework, that assesses how well a GRN can predicit cell-type-specific differential gene expression data.
+