Chromatin organization : Meta-analysis for the identification and classification of structural patterns

Abstract

El desenvolupament de tècniques experimentals basades en la captura de la conformació genòmica (3C), han aportat informació rellevant sobre l’estructura del genoma. En particular el Hi-C, un derivat del 3C, el qual s’ha convertit en una tècnica estàndard per l’estudi de l’estructura 3D del genoma i la seva implicació biològica i funcional. Malgrat tot, existeix una manca de estàndards per el seu anàlisi i interpretació. En aquesta tesi, desenvolupem una xarxa neuronal artificial, Metawaffle, capaç de classificar patrons estructurals sense informació prèvia, que ens permet examinar la capacitat de CTCF de formar bucles de cromatina i identificar la seva signatura epigenètica. La identificació de bucles de cromatina ens permet generar una xarxa neuronal convolutiva, LOOPbit, per la seva detecció de novo en matrius de contacte Hi-C. Finalment, exposem una eina bioinformàtica, CHESS, per la comparació de mapes de contactes i la identificació d’estructures diferencials, com TADs, ratlles o bucles.The development of High-throughput Chromosome Conformation Capture (3C) experiments, provided valuable information about genome architecture. Particularly Hi-C, a 3C derivative, which has become to be the standard technique to study 3D chromatin organization and its biological and functional implications. Nonetheless, exist a lack of gold standard for its bioinformatics analysis and interpretation. In this thesis, we develop an artificial neural network, Metawaffle, which is able to classify structural patterns without prior information. This allow the examination of the ability of CTCF to form chromatin loops and identify its epigenetic signature. The identification of chromatin loops permit the generation of a convolutional neural network, LOOPbit, for de novo chromatin loops detection in Hi-C contact matrices. Finally, we present a bioinformatic tool, CHESS, for the comparison of contact matrices and the specific identification and extraction of differential features, such as TADs, stripes or loops.Programa de doctorat en Biomedicina