《Methods and Protocols》：LAWS-HiC: A Locally Adaptive Weighting and Screening (LAWS) Approach to Improve Detection of Long-Range Chromatin Interactions from Hi-C Data
编辑推荐：
Hi-C技术被广泛用于研究全基因组染色体空间组织。在各类Hi-C数据分析中，检测长距离染色质相互作用（即3D峰识别）尤为关键，因为它与基因调控直接相关。然而，大多数现有峰识别工具未能考虑高分辨率（如≤10 kb）Hi-C数据中的空间依赖性，常常导致次优的准确性
Hi-C技术被广泛用于研究全基因组染色体空间组织。在各类Hi-C数据分析中，检测长距离染色质相互作用（即3D峰识别）尤为关键，因为它与基因调控直接相关。然而，大多数现有峰识别工具未能考虑高分辨率（如≤10 kb）Hi-C数据中的空间依赖性，常常导致次优的准确性。为解决这一局限，研究人员引入LAWS-HiC，一种基于局部自适应加权与筛选（LAWS）方法的新型计算方法。LAWS-HiC通过以数据驱动的方式纳入拓扑关联结构域（TAD）内的局部空间依赖性，对标准Hi-C峰识别工具得到的p值进行调整。在两个深度测序Hi-C数据集——人淋巴母细胞系GM12878和小鼠胚胎干细胞（mESCs）——中的基准测试表明，LAWS-HiC在不同测序深度下均一致提高了精确率-召回率曲线下面积（PRAUC），且在较低测序深度时获益更大。在标准Benjamini–Hochberg假发现率（BH-FDR）≤0.05水平下，生物学特征重叠分析证实，相对于非调用bin对，LAWS-HiC的调用结果比其他方法更强烈地富集调控注释。LAWS-HiC以R包形式在GitHub上免费提供。
三维（3D）染色质组织对基因组结构和功能至关重要。Hi-C及其衍生技术被广泛用于绘制全基因组染色质构象，其中长距离染色质相互作用的检测，即3D峰识别，尤为重要，因为远端增强子可通过染色质环靠近靶基因启动子从而调控基因表达。然而，多数现有峰识别工具假设不同基因组位点对之间的接触频率统计独立，这一假设在高分辨率（如≤10 kb）Hi-C数据中往往不成立，相邻bin对之间存在强相关，导致灵敏度下降和假阳性率升高。为改进这一问题，研究人员提出了LAWS-HiC，将局部自适应加权与筛选（LAWS）框架应用于上游Hi-C峰识别工具输出的p值，利用拓扑关联结构域（TAD）内的空间依赖性，以数据驱动方式估计局部稀疏度并重新加权每个bin对的p值。
研究人员使用两个深度测序的10 kb分辨率Hi-C数据集：来自Rao等的GM12878人淋巴母细胞系数据（约49亿条染色体内接触读数，TAD边界取自原文献）和来自Bonev等的小鼠胚胎干细胞（mESC）数据（约72亿条染色体内接触读数，TAD边界由insulation-score算法识别）。以FitHiC2作为上游峰识别工具产生每个bin对的p值，LAWS-HiC在TAD内通过高斯核估计局部稀疏度，并在20%至95%分位数的多个筛选阈值间进行加权平均以稳定估计，再经Benjamini–Hochberg（BH）法控制假发现率（FDR）。为评估不同测序深度，研究人员采用多项式降采样生成0.25、0.50、0.75和1.00 billion reads数据集，并在0.25 billion reads下设置五次重复以评估随机变异。评估指标包括精确率-召回率曲线下面积（PRAUC）、经患病率校正的PRAUC、固定FDR阈值下的精确率和召回率、匹配调用集规模时的精确率，以及基于ChIA-PET和Micro-C环的正交真实峰集。还以HiC-DC+替换FitHiC2作为上游峰识别工具，验证LAWS-HiC的通用性。生物学特征重叠分析使用优劣比（OR）比较调用与非调用bin对的调控注释富集程度。
主要结果包括以下三方面。第一，LAWS-HiC在不同细胞类型和测序深度下一致提高PRAUC。与FitHiC2和HiC-ACT相比，LAWS-HiC在GM12878和mESC的全部八个细胞系-测序深度组合中均获得最高经患病率校正的PRAUC；在每条常染色体上的比较中，LAWS-HiC在GM12878的22条染色体和mESC的19条染色体上均高于两种竞争方法。其优势在较浅测序深度时更明显，随测序深度增加而减小。在正交真实峰集下，LAWS-HiC仍优于FitHiC2的全部20个组合，但与HiC-ACT的比较因真实峰集选择而异。当改用HiC-DC+作为上游峰识别工具时，LAWS-HiC同样带来PRAUC提升。第二，LAWS-HiC在固定FDR阈值和匹配调用集规模下获得更高精确率。在0.01、0.05和0.10三个名义BH-FDR阈值下，LAWS-HiC在全部24个组合中的精确率均高于HiC-ACT和FitHiC2；在匹配调用数N为FitHiC2、HiC-ACT和LAWS-HiC各自在名义BH-FDR 0.05下调用数时，LAWS-HiC在所有24个匹配比较中精确率最高。进一步分析表明，其较高精确率不能仅归因于调用集更小或经验FDR低于名义水平。第三，LAWS-HiC的选择性保守性具有生物学依据。在GM12878和mESC中，针对CTCF、RNAPII、增强子、增强子-启动子（E-P）相互作用等生物学特征，LAWS-HiC调用与非调用bin对之间的特征重叠OR在全部76个细胞系-深度-特征比较中均大于1，且置信区间下限均高于1；其OR值在全部76个比较中也均高于HiC-ACT和FitHiC2。调用集与被至少一种其他方法调用但自身未调用的拒绝集比较中，LAWS-HiC同样表现出更强的调控特征富集对比。
讨论部分指出，LAWS-HiC的优势在浅测序深度时更明显，因为此时单个bin对噪声较大，TAD内局部稀疏度估计所提供的结构信息贡献更大，因此LAWS-HiC尤其适用于中等测序深度的Hi-C实验。生物学富集分析表明，其调用集更富集调控注释，更适合用于增强子-启动子推断或染色质环注释等下游分析。局限性在于LAWS-HiC依赖预定义的TAD分区，且要求上游峰识别工具能够提供足够的每bin对p值，因此对极稀疏或高度降解的数据不适用。
研究结论可概括为：LAWS-HiC证明，将LAWS框架应用于上游Hi-C峰识别工具的p值，通过基于TAD的邻域和多阈值稀疏度估计，能够产生更精确且生物学上更一致的染色质相互作用调用集。在两个细胞系和四个测序深度中，LAWS-HiC一致地提高了相对于FitHiC2的PRAUC，在较浅测序深度改善更大，并且在所有基于全深度FitHiC2 p值定义的真实峰集评估条件下优于HiC-ACT。在标准BH-FDR≤0.05阈值下，LAWS-HiC在所有检测条件下均表现出比两种竞争方法更强的调用与非调用bin对之间的调控特征重叠对比，支持其在下游分析中作为精确且生物学富集的染色质相互作用调用集的实用性。LAWS-HiC以R包形式在GitHub上免费提供。
