报告摘要

拓扑相关域（TADs）是哺乳动物基因组三维结构组织中的关键单位。TADs在健康和疾病状态下的动态重组与基因组的重要功能密切相关。然而，目前识别重组TADs的计算方法仍处于早期阶段。本汇报将介绍DiffDomain算法，该算法利用高维随机矩阵理论，通过高通量染色体构象捕获（Hi–C）接触矩阵识别结构重组的TADs。与其他方法相比，DiffDomain在假阳性率、真阳性率以及识别重组TADs的新亚型方面表现更优。将DiffDomain应用于不同细胞类型和疾病状态的Hi–C数据中，显示了其生物学相关性。识别出的重组TADs与结构变异和表观遗传变化（如CTCF结合位点的变化）有关。应用于小鼠神经发育的单细胞Hi–C数据时，DiffDomain能够在每个条件下使用仅100个细胞的伪Hi–C数据中合理地识别细胞类型之间的重组TADs。此外，DiffDomain揭示了TADs中的细胞到群体的变异性以及细胞间的异质性。因此，DiffDomain是一种在Hi–C和单细胞Hi–C数据中进行TADs比较分析的统计学上可靠的方法，有望成为三维基因组对比分析中的核心工具之一。

报告人简介

田德朝副教授先后在东北师范大学和新加坡国立大学获得概率论与数理统计硕士学位和博士学位，在美国卡内基梅隆大学计算机学院计算生物系从事博士后研究，并在美国疾病预防控制中心担任数理统计师。现任中山大学公共卫生学院（深圳）副教授，博士生导师，卫生统计与系统生物学教研室主任。申请人长期致力于生物统计与生物信息学的研究，在高维复杂基因组学数据分析与挖掘方面取得了显著成绩，共发表SCI论文26篇，其中以通讯作者或第一作者（含共通讯，共第一）在《Nature Communications》，《Genome Research》，《Nucleic Acids Research》等国际高水平期刊发表论文4篇。此外，在2022年举行的第26届国际顶级生物信息学年会RECOMB上做了口头报告（接收率近20%）。主持国家自然科学基金面上项目1项，广东省自然科学基金面上项目1项。开发的DiffDomain方法(Nature Communications, 2024,唯一通讯作者)被综述文章点评为有统计学理论支撑的Hi-C数据分析方法。

报告时间：2024年9月7日上午8:30-12:00

报告地点：腾讯会议：195-591-490