Computational methods for differential analysis of chromatin contact matrices

Problem zrozumienia relacji pomiędzy strukturą chromatyny, a regulacją genów ma kluczowe znaczenie w genetyce. Niestety przez wiele lat możliwe były wyłącznie badania architektury genomu w niskiej rozdzielczości lub małej skali. Sytuacja zmieniła się w ciągu ostatnich dwóch dekad głównie ze względu na postęp w rozwoju technologii NGS, która dała początek metodom 3C (ang. Chromosome Conformation Capture). Dostępność technik 3C umożliwiła badania organizacji genomu na niespotykaną dotąd skalę. W szczególności wysoko-rozdzielczy wariant metody 3C - protokół Hi-C pozwala uzyskać dane dotyczące milionów interakcji pomiędzy parami regionów chromatyny w całym genomie. Jednym z głównych zastosowań protokołu Hi-C jest analiza różnicowa, która ma na celu zidentyfikowanie różnic w strukturze chromatyny wpływających na procesy regulacji genów w różnych typach komórek, warunkach eksperymentalnych lub gatunkach. W tej pracy koncentrujemy się na problemie porównywania macierzy kontaktów Hi-C. Po pierwsze, badamy problem oceny podobieństwa między segmentacjami chromosomów wynikającymi z identyfikacji domen topologicznych (TAD) - nieodłącznej cechy map Hi-C organizmów ssaków, które, jak wykazano, kształtują krajobraz regulacyjny genomu. Prezentujemy nową miarę odległości o nazwie BP-score, dostosowaną do porównania segmentacji TAD oraz dowodzimy, że nasza miara jest metryką. Przykładowe analizy porównawcze przeprowadzone na danych symulowanych i rzeczywistych pokazują, że odległość BP jest konkurencyjna w stosunku do innych metryk wykorzystywanych dotychczas podczas badania podobieństwa segmentacji. Dodatkowo wprowadzamy lokalne miary rearanżacji domen topologicznych i pokazujemy, że pomiary rearanżacji uzyskane przy użyciu wprowadzonych przez nas miar korelują z pomiarami ekspresji genów lub metylacji. Po drugie, opracowujemy metodę do wykrywania różnicowych oddziaływań HiC o nazwie DiADeM działającą na danych nieznormalizowanych. Nasza metoda wprowadza intuicyjną definicję interakcji różnicowych, która uwzględnia podobieństwo profili kontaktów pomiędzy zestawami danych. Na koniec oceniamy zdolność naszej metody do wykrywania interakcji różnicowych przy użyciu symulowanych map kontaktów i pokazujemy, że osiąga konkurencyjne wyniki w porównaniu z innymi dostępnymi metodami służącymi do analizy różnicowej Hi-C. Podsumowując, opracowane przez nas narzędzia mogą pomóc badaczom w odkrywaniu nieznanych zmian strukturalnych wpływających na mechanizmy regulacji genów.

Understanding the relationships between chromatin structure and gene regulation is a fundamental problem in genetics. However, for a long time there has been little progress in the field of genome architecture except for studying low scale chromatin organization. This situation changed during last two decades due to the advancement in the development of NGS technology, which gave rise to Chromosome Conformation Capture (3C) methods. The availability of 3C techniques enabled genome organization studies on an unprecedented scale. In particular, the 3C-derived Hi-C protocol allowed researchers to interrogate millions of chromatin interactions between pairs of regions genome-wide at a very high resolution. One of the main applications of Hi-C is the differential analysis, which aim to identify the structural differences of chromatin influencing regulatory processes across various cell types, treatments or species. In this thesis we focus on the issue of comparing Hi-C contact matrices. First, we study the problem of assessing the similarity between chromosome segmentations arising from identification of Topologically Associating Domains (TAD) - an inherent feature of mammalian Hi-C maps, which were shown to shape regulatory landscape of the genome. We present a novel distance measure called BP-score, tailored for comparison of TAD partitionings and prove that our measure satisfy metric properties. Evaluation of the BP-score on real and simulated datasets demonstrates that it performs competitive against existing approaches. Additionally, we introduce local measures of domain rearrangement and show their correlation with functional measurements. Second, we develop a normalization-free method for discovery of Hi-C differential interactions called DiADeM. Our method introduces an intuitive definition of differential interaction, which takes into account the cross-dataset contact profile similarity. Finally, we assess DiADeMs ability to detect differential interactions using simulated contact maps and show it performs well against other available methods for Hi-C differential analysis. In summary, the tools developed by us may help researches in discovering unknown structural alterations driving regulatory mechanisms.