epicme.bio · открытый научный проект и PhD-капстон

Фреймворк Write–Read–Learn: глубокое погружение в причинно-следственные связи между метилированием ДНК и экспрессией гена иммунного поверхностного маркера — CD55

Эта страница — карта проекта: отсюда можно попасть в любой раздел — контекст исследования, разбор гена CD55, сырые данные метилирования по временным точкам и более широкие заметки о том, куда всё это ведёт.

Михаль (Миша) Розенвальд — PhD-кандидат по вычислительной биологии, UC Berkeley, лаборатории Aaron Streets и Fyodor Urnov
Начать с контекста → Сразу к биологии CD55 →

О проекте

Зачем изучать эпигеном, подход Write → Read → Learn, модельная система — CD55 в донорских T-клетках, лаборатории Aaron Streets и Fyodor Urnov, UC Berkeley.

Читать →
Write — что редактируем

Ген, который «выключают» CRISPRoff и ZFPoff

Прежде чем смотреть на данные метилирования, стоит понимать, что вообще такое CD55 — молекулярный механизм, биология и клиническое значение гена.

Биология гена

CD55 / DAF — молекулярный разбор

Как DAF разбирает C3-конвертазу, где ещё работает этот ген, CHAPLE-синдром vs PNH, разбор вариантов вроде rs2564978 — и чат с ИИ, если нужно копнуть глубже.

Открыть explorer →
Модели — как это выглядит на молекулярном уровне

Визуализации: как работает CRISPRoff

Одно и то же событие показано в разных размерностях — в истинном масштабе, объёмной моделью, по шагам и видео. Ниже живые превью, полные версии на отдельных страницах.

Истинный масштаб

Весь ROI — 2210 нм

137 CpG на 6500 парах оснований, координаты из hg38. Белок CRISPRoff в том же масштабе — та самая точка сверху, 0.45 % ширины кадра.

Открыть масштабные кадры →
Объёмная модель

dCas9 на ДНК

Каждая сфера — один остаток или нуклеотид, объёмы доменов из молекулярных масс. Модель вращается: потяните её мышкой или пальцем.

Открыть объёмные модели →
Механизм

Метки ложатся, но не под белком

Фермент обрабатывает CpG по сторонам, а накрытые комплексом остаются чистыми. Это футпринт на CpG 74–78 из наших данных по CD55.

Открыть анимации механизма →
Видео

Процесс целиком, 24 секунды

Комплекс садится на мишень, расплетает ДНК, выворачивает цитозины и ставит метки. Под белком CpG остаются чистыми, затем белок уходит.

Открыть фильм с главами →
Сравнение систем

ZFPoff и CRISPRoff бок о бок

Одна мишень, разные носители. След у обоих, но у ZFPoff он равен мишени (~20 п.н.), а у CRISPRoff шире (~28 п.н.) — он обязан удерживать ещё PAM.

Открыть сравнение с данными →

Все визуализации по отдельности:

Сравнение систем · ZFPoff и CRISPRoff

Два редактора на одной мишени

ZFPoff и CRISPRoff нацелены практически на одну точку промотора CD55 — их мишени перекрываются на 14 из 20 пар оснований — и несут одинаковую начинку. Отличается только модуль, который находит мишень, и это видно в данных.

14/20
п.н. перекрытия мишеней
10
3.8
нм: dCas9 против ZFP
~28
~20
п.н. след: CRISPRoff / ZFPoff
0.84–0.86
корреляция профилей

След у обеих систем: у ZFPoff равен мишени, у CRISPRoff шире

Каждый столбик — отдельный CpG, ничего не усреднено. Провал начинается у 5′-края своей мишени у обеих систем, но у ZFPoff обрывается ровно на её конце (+106), а у CRISPRoff идёт дальше — через PAM и до +120.

Ролик

Бок о бок, в одном масштабе

Слева CRISPRoff, справа ZFPoff: посадка, метилирование и расхождение под белком.

Открыть ролик с главами →
Данные

137 CpG, точка за точкой

Прирост метилирования на каждом CpG: ZFPoff по горизонтали, CRISPRoff Day 6 по вертикали. Корреляция 0.844.

Открыть полное сравнение →
Оговорка. Следы измерены по EM-seq 35-го дня: один донор, одни клетки, обе системы рядом — величины здесь сравнимы. Но у CRISPRoff в этом наборе одна биологическая реплика против двух у ZFPoff, а его след опирается на три CpG против шести, поэтому ~20 п.н. определены грубее, чем ~28. Ожидаемые длины — из Pavletich & Pabo 1991, Nishimasu 2014 и Yang 2019.
Read — что видит секвенатор

Одномолекульные данные метилирования

Nanopore-секвенирование локуса CD55 с разрешением до одной молекулы, Unedited vs CRISPRoff-silenced, по временным точкам после редактирования.

Данные · Day 6

Day 6 post-электропорации

Donor 0, 6 дней после CRISPRoff. Тепловые карты и профили по 137 CpG-сайтам, Unedited vs CRISPRoff.

Смотреть Day 6 → Данные · Day 35

Day 35 post-электропорации

Другой донор, 35 дней после CRISPRoff. Та же логика Unedited vs CRISPRoff, более поздняя точка.

Смотреть Day 35 → Сравнение

Day 35 vs Day 6

Оба донора и оба таймпоинта рядом: охват, доля метилирования, дифференциальные CpG-сайты, модели.

Сравнить → Данные · EM-seq

EM-seq — ортогональная проверка Day 35

Тот же донор и тот же день, что на странице Day 35, но другая химия — EM-seq вместо Nanopore. Один донор на все условия и реплики: цифры и буквы в именах образцов (NT_1B, ZFP_3A и т.д.) — это биологические и технические реплики, не разные доноры.

Смотреть EM-seq → Данные · K562

K562 — сортировка по CD55

Другая клеточная линия, сортировка по самому белку CD55 (LOW/HIGH), а не просто edited/unedited. ML-классификаторы, геномные координаты и проверка сигнала на T-клетках.

Смотреть K562 → Данные · ChIP-seq

Кто сидит на промоторе CD55

Публичные данные ENCODE ChIP-seq по K562 транскрипционным факторам поверх значимого CpG-кластера со страницы K562 — CTCF и NRF1 как кандидаты на «метилирование мешает связыванию».

Смотреть ChIP-seq → Справочник · ТФ

Каталог ТФ: где взять ChIP-seq

Пофакторный каталог всех публичных ChIP-seq по регуляторам CD55 — прямые ENCODE-номера, запасные GEO-наборы, агрегаторы и честный список дыр.

Открыть каталог →
Read — все треки на одной оси

Геномный браузер по области интереса CD55

Отдельные страницы показывают по одному набору данных. Браузер кладёт их на общую координатную ось: 6 500 п.н. вокруг CD55 и 137 CpG, мишени CRISPRoff и ZFPoff, транскрипционные факторы из ENCODE, профили метилирования и сами одномолекулярные прочтения. Треки включаются и выключаются, масштаб тянется от всей области до отдельных оснований.

Прирост метилирования CRISPRoff вокруг сайта-мишени CD55 Столбики показывают прирост метилирования на каждом CpG. На четырёх CpG, попадающих на протоспейсер и PAM, прирост падает примерно втрое по сравнению с соседними. +25 +50 +75 +100 +125 +150 +175 след комплекса Δ метилирования CRISPRoff − unedited T-клетки · День 35 CpG 68, +42 п.н.: +77.9 п.п. CpG 69, +50 п.н.: +65.2 п.п. CpG 70, +73 п.н.: +78.3 п.п. CpG 71, +78 п.н.: +67.1 п.п. CpG 72, +82 п.н.: +76.8 п.п. CpG 73, +89 п.н.: +82.7 п.п. CpG 74, +97 п.н.: +21.9 п.п. CpG 75, +102 п.н.: +15.3 п.п. CpG 76, +105 п.н.: +23.4 п.п. CpG 77, +113 п.н.: +26.1 п.п. CpG 78, +116 п.н.: +35.5 п.п. CpG 79, +119 п.н.: +57.6 п.п. CpG 80, +121 п.н.: +69.8 п.п. CpG 81, +137 п.н.: +79.8 п.п. CpG 82, +140 п.н.: +85.4 п.п. CpG 83, +142 п.н.: +83.5 п.п. CpG 84, +151 п.н.: +67.6 п.п. CpG 85, +154 п.н.: +68.1 п.п. CpG 86, +156 п.н.: +69.1 п.п. CpG 87, +158 п.н.: +75.0 п.п. CpG 88, +162 п.н.: +65.1 п.п. CpG 89, +166 п.н.: +72.1 п.п. CpG 90, +172 п.н.: +36.1 п.п. CpG 91, +174 п.н.: +33.8 п.п. CpG 92, +177 п.н.: +44.6 п.п. CpG 93, +190 п.н.: +12.9 п.п. Сайты-мишени CRISPRoff +93…+112 ZFPoff +87…+106 CpG
прирост метилирования CpG под комплексом CRISPRoff ZFPoff PAM

Фрагмент из браузера: участок +20…+190 п.н. от TSS. На четырёх CpG, попадающих на протоспейсер и PAM, прирост метилирования падает примерно втрое — 15…26 п.п. против 50…85 п.п. у соседей. То же место, тот же провал воспроизводится независимо на День 6.

Открыть браузер целиком
Что там измерено, а что нет. Координаты мишеней и позиции всех 137 CpG посчитаны из референсной последовательности; PAM проверен по ней же. Профили метилирования посчитаны по всем молекулам матриц. Ширина следа комплекса — регулируемая оценка, а не измерение. Треки порога 0.995, ZFPoff в T-клетках, ATAC и DNase пустые: соответствующих файлов пока нет.
Learn — как устроен CD55

Кто сидит на промоторе CD55 — и почему метилирование ложится неровно

Метилирование после CRISPRoff не размазано ровным слоем: одни CpG уходят почти в ноль, а соседние в 30 п.н. едва двигаются. Здесь собрано, что публично известно про транскрипционные факторы на этом промоторе, и семь механизмов, которые объясняют форму профиля — почти все проверяются на данных, которые уже есть.

Транскрипционные факторы и семь механизмов

Карта промотора в масштабе, координаты гайда CRISPRoff относительно TSS, список публичных наборов данных с прямыми ссылками и план из шести анализов.

Открыть →

Что известно про факторы на этом промоторе

ФакторСайтДоказательстваКлеткиENCODE ChIP-seqЗначимость для T-клеток
NF-κB (RELA / NFKB1)предсказанный сайт в 2 kb 5′-фланка, подтверждён ChIPChIP с антителом к NF-κB и сайт-специфичными праймерами; мутагенез + люциферазаLOVO / HCT116 (рак толстой кишки)ENCSR000EAG RELA, GM12878 + TNFαСредне-высокая. NF-κB централен при активации T-клеток. Важно: связывание индуцибельное — отсутствие пика в нестимулированных K562 ничего не доказывает.
TFCP2предсказанный сайт, 5′-фланкМутация сайта снижает активность промотора на 66%; нокдаун + ChIPHCT116 / LOVOENCSR998OMC TFCP2, K562 (CETCh-seq, Snyder)Пересмотрено. Раньше считалось, что публичного ChIP-seq нет вообще. Он есть — и именно в K562. Стоит первым в очереди на проверку в нашем окне.
KLF4парные CACCC: −106/−95 (A), −228/−214, −310/−302 (B), −567/−549, −667/−652 (C)ChIP показывает занятость всех трёх сайтов A–C; урезанный промотор 190 п.н. с одним сайтом A даёт почти ту же активность, что полные 848 п.н.HUVEC, репортёр в K562— в K562/T-клетках нет. В ENCODE только eGFP-KLF4 в HEK293. GEO: эндотелий, репрограммирование iPSC.
KLF4 — all		Высокая. При активации CD4⁺ KLF4 падает синхронно с CD55 — значит занятость сайта зависит от того, как стимулировали донорские клетки.
CREB1 / p-CREB + CBPCRE рядом с сайтами A, B и CChIP: p-CREB и CBP идут следом за KLF4 на всех трёх сайтахHUVECENCSR000BSO CREB1, K562Высокая. Путь идёт через аденилатциклазу, которую сам CD55 регулирует через C3aR/C5aR. В нашем окне K562 подтверждён паралог ATF1, а не сам CREB1.
SP1GC-бокс(ы), проксимальный промоторМутагенез промотора; конститутивная экспрессия мышиного Daf1 приписана SP1Huh7.5, спленоциты мышиENCSR000BKO SP1, K562Средняя. Сайты GC-богатые и содержат CpG — идеальный субстрат для CRISPRoff; классически считается, что метилирование связывание SP1 не блокирует.
HIF-1α (HIF1A)апикальная индукция CD55 при гипоксииHIF-зависимая индукция CD55; предполагаемые HRE в промоторекишечный эпителий— в ENCODE нет. GEO: GSE145157 (HCT116, RKO, A549, H460, гипоксия 24 ч), MCF-7, DLD-1, GSE16347 HepG2.
HIF1A — all		Низкая для T-клеток, но важна для любой гипоксичной культуры. Связывание требует гипоксии — нормоксический ChIP был бы неинформативен.
PU.1 (SPI1)аллель-зависимый эффект промотораНокдаун SPI1 снижает активность промоторамоноцитарные моделиENCSR000BGQ SPI1, GM12878Низкая для зрелых T-клеток: PU.1 в них практически молчит, поэтому отрицательный результат был бы ожидаем. Требует PMID — в исходном списке ссылки нет.
CTCFпик в окне K562, CpG #43–86Не описан в литературе по CD55; найден в нашем собственном разборе ENCODE-трековK562ENCSR000EGM CTCF, K562Главный механистический кандидат. Связывание прямо блокируется метилированием CpG в сайте — это механизм, а не корреляция.
NRF1пик в окне K562, CpG #13–43Не описан в литературе по CD55; найден в нашем разборе ENCODE-трековK562ENCSR494TDU NRF1, K562Главный механистический кандидат. Учебниковый пример фактора, чувствительного к метилированию (Domcke 2015).
ATF1CRE (TGACGTCA) в окне промотораПик в K562 в нашем окне; семейство CREB/ATF, гетеродимеризуется с CREB1K562ATF1 — allЭто и есть ChIP-подтверждение «CREB»-гипотезы. CRE-модуль из литературы занят — просто под именем паралога.
AP-1сайт в проксимальном промотореТочечная мутация не повлияла на индукцию через HCV coreHuh7.5JUN — allНизкая как доказательство, высокая как гипотеза: AP-1 — один из основных факторов активации T-клеток.

Кого на этом промоторе никто не проверял

Ни одна публикация не помещает на промотор CD55 NFAT, ETS1, RUNX1, TCF7/LEF1, GATA3, STAT5 или CTCF. Это отсутствие доказательств, а не доказательство отсутствия: вся механистика выше сделана на эндотелии, эпителии и линиях рака толстой кишки — в T-клетках этот промотор просто не изучали. Правильный ход — не спекулировать, а прогнать наше окно через ChIP-Atlas, ReMap и UniBind с фильтром по клеткам крови и посмотреть, что вернётся. Кстати, CTCF уже проверен на самом K562 в нашем собственном ChIP-seq-разборе — пика там нет, но это ещё не T-клетки.

Противоречие в собственных текстах — надо разрешить. Абзац выше говорит, что пика CTCF в K562 нет. Страница разбора ChIP-seq говорит, что пик есть — на CpG #43–86, chr1:207 320 854–207 321 372, внутри значимого кластера. Оба утверждения одновременно верными быть не могут, а CTCF — несущая конструкция гипотезы «метилирование мешает связыванию». Пока не проверено по сырому bigBed (bigBedToBed с hgdownload, а не сводный API), ни одна из двух формулировок не должна использоваться как установленный факт — ни здесь, ни в главе диссертации.

Метилирование не просто «выключает» факторы

Систематический скрининг 542 человеческих факторов методом methyl-SELEX дал более сложную картину, и она специфически важна для T-клеток: связывание семейств bHLH, bZIP и ETS метилирование подавляет за счёт стерического конфликта, а homeodomain, POU и NFAT, наоборот, предпочитают метилированный CpG. То есть метка, которую кладёт CRISPRoff, не выселяет всех подряд — она может перераспределить, кто вообще способен сесть на этот участок.

Координаты, к которым всё привязано

Семь механизмов неровного профиля

  1. След самого редактора dCas9 закрывает собой 20–30 п.н.; под ним метилирования почти нет, пики сидят сбоку от PAM.
  2. Предпочтения DNMT3A по фланкам Соседние ±2 п.н. меняют скорость до 100 раз: TACGYC хорошо, CGG плохо.
  3. Нуклеосомы и период 10 п.н. Фермент работает по линкерной ДНК; длина линкера и поворот спирали решают, какие CpG смотрят наружу.
  4. Занятые сайты факторов KLF4, CREB, SP1 и NF-κB физически загораживают свои CpG от метилтрансферазы.
  5. Исходный хроматин H3K4me3 отталкивает ADD-домен DNMT3A, H3K36me2 притягивает PWWP: активный промотор — враждебная территория.
  6. Деметилирование и сбои поддержания TET выедает метку, DNMT1 не всегда успевает при делении. «Не записалось» ≠ «записалось и стёрлось».
  7. Гетерогенность между молекулами Средние 40% — это «40% на каждой» или «100% на 40% молекул»? Нанопор видит это напрямую.
Важно: вся механистика по KLF4, CREB и CBP получена на эндотелиальных клетках и репортёрных конструкциях, а не на первичных человеческих T-клетках. Перенос на нашу систему — допущение, пока T-клеточный ChIP не скажет обратного. На странице механизмов это помечено отдельно, и ни одно число там не измерено заново — это гипотезы с прописанными способами проверки.
Гипотезы · структура ДНК

Форма ДНК на том же окне

Тот же вопрос, что и выше, но не «кто сидит на промоторе», а «во что складывается сама ДНК»: G-квадруплексы, i-мотивы, Z-форма, R-петли, нуклеосомы и петли хроматина. Ни одна структура ещё не посчитана — страница честно держит пустые слоты и список того, что считается на уже имеющихся данных.

Смотреть структуры ДНК → Рабочие заметки

Как это провалидировать дальше

Растущий список конкретных экспериментов — CUT&RUN на CTCF/NRF1 в отсортированных фракциях, in vitro биохимия на метилированных олигодуплексах, single-molecule совместное считывание метилирования и занятости фактора, — которые превратили бы гипотезы этого раздела в доказанный механизм.

Смотреть Research Ideas/Todos →
Learn — чужие данные на нашем окне

Как выглядит этот промотор у тех, кто его не редактировал

Прежде чем говорить, что CRISPRoff и ZFPoff что-то изменили, нужна базовая линия: сколько метилирования лежит на этих же 137 CpG в клетках, которых никто не трогал. Отдельная страница собирает публичные bisulfite (WGBS) и EM-seq данные ровно на наше окно 6 500 п.н. — в первую очередь Т-клетки и K562, а вместе с ними десятки других отсортированных типов человеческих клеток.

Публичные bisulfite и EM-seq данные на окне CD55

Каталог выверенных датасетов с прямыми ссылками в первичные репозитории, координаты в T2T и hg38 с переключателем между ними, ссылки, открывающие окно сразу в геномном браузере, и команды, которыми срез вырезается из удалённых файлов без их скачивания.

Открыть →

Что там собрано

Приоритет · Т-клетки

Т-клетки

Первичные CD3⁺ из ENCODE; атлас метилирования человека Loyfer 2023 — глубокий WGBS по 39 отсортированным типам клеток, включая CD4, CD8 и наивные Т; отсортированная кровь BLUEPRINT; серия DEEP по дифференцировке CD4-памяти. Это и есть та самая базовая линия «до редактора».

Приоритет · K562

K562 и референсы платформ

Метилом K562 из ENCODE — тот самый, который берут за ground truth в бенчмарках нанопора, но это несортированная популяция, а не наши фракции CD55-LOW и CD55-HIGH. Рядом — парный эксперимент NEB: одна и та же ДНК NA12878, прогнанная и как EM-seq, и как WGBS, так что разницу платформ на нашем окне можно измерить, а не предположить.

Зачем это в проекте

Три вещи, которых своими данными не получить. Базовая линия: где промотор CD55 неметилирован по умолчанию, а где несёт метку и безо всякого редактирования. Проверка платформы: наши вызовы нанопоровые и модельно-зависимые, и совпадение с бисульфитом на тех же координатах говорит больше, чем любая внутренняя метрика. Контекст типа клеток: если базовая линия в Т-клетках и в K562 разная, то часть разницы между нашими наборами — это клетка, а не редактор.

Честно про статус: страница пока каталог, а не переанализ. Ни одно значение метилирования там не нарисовано, потому что ни один файл ещё не скачан и не посчитан на нашем окне — вместо цифр лежит скрипт, который вырезает срез из удалённых bigWig range-запросами, и раздел «Загруженные треки», который заполнится ровно тогда, когда скрипт отработает. Вторая оговорка: публичные Т-клетки — это разные доноры, субпопуляции и состояния активации, а K562 из ENCODE несортированный, так что всё это фон для локуса, а не компаратор для наших групп.
Каталог · все модальности

Всё публичное про первичные T-клетки

Шире, чем метилирование: bulk RNA-seq (DICE, 91 донор), scRNA-seq и CITE-seq (Hao 2021 — мРНК и поверхностный белок CD55 на одной клетке), таймкурсы активации CD4⁺ (ENCODE GSE219319, Soskic 2022), WGBS/EM-seq, ATAC, CAGE и eQTL. Собран под конкретный вопрос — где взять парный сигнал «экспрессия ↔ метилирование», чтобы разблокировать модель on/off.

Смотреть каталог данных T-клеток →
Additionally, about methylation — за пределами CD55

Две заметки: одна про память, одна про поколения

Всё выше — про один ген в донорских T-клетках. Эти две страницы берут ту же метку, CpG-метилирование, и спрашивают, что она делает за пределами моей темы. Обе — обзоры чужой литературы с оригинальными статьями и оговорками, а не мои данные.

Заметки · внутри одной жизни

One Mark, Three Memories

Как клетка записывает собственный опыт: гиппокамп ставит и снимает метки за часы после обучения, T-клетка памяти реметилирует PDCD1, а истощённая оставляет его открытым навсегда, стресс оседает на FKBP5 и NR3C1. Главный вопрос страницы — что делает метку обратимой, а что запирает её.

Читать → Заметки · через поколения

Inherited Marks

Переживает ли метка границу между поколениями: голландский голод, дети выживших в Холокосте и геноциде тутси, мыши Dias & Ressler и Mansuy, барьер Вейсмана и два раунда стирания. Главный вопрос — доходит ли вообще что-нибудь до внука и метилирование ли это.

Читать →

В чём разница между ними

Память — ось «одна жизнь»

  • Соматические клетки: нейрон, T-клетка, клетки HPA-оси.
  • Вопрос: сколько держится метка и почему одни стираются, а другие запираются.
  • Связь с моей работой прямая: донорские T-клетки уже несут этот метилом до редактирования.
Открыть «One Mark, Three Memories» →

Травма — ось «поколения»

  • Зародышевая линия: сперматозоид, ооцит, F0 → F1 → F2 → F3.
  • Вопрос: считается ли найденное наследованием или это просто прямое воздействие на ещё одно поколение.
  • Связь с моей работой косвенная: вся эта литература корреляционна, а редактирование эпигенома — недостающий инструмент записи.
Открыть «Inherited Marks» →
Где они пересекаются: FKBP5 и NR3C1 встречаются на обеих страницах, но отвечают на разные вопросы. На странице про память — осталась ли метка у самого человека, пережившего стресс. На странице про травму — появилась ли она у его ребёнка. Это единственное место, где темы соприкасаются, и оно помечено на обеих страницах перекрёстными ссылками.
Learn — вычислительные модели генома

Могут ли Borzoi и AlphaGenome проверить то, что мы уже увидели на CD55

Отдельная страница разбирает современные геномные foundation-модели — от Enformer до Borzoi и AlphaGenome — и то, как их можно применить к нашему локусу: как ещё одну независимую проверку гипотез (CTCF/NRF1, направление метилирование→сайленсинг), как способ скринить будущие ZFP/CRISPRoff-мишени in silico, и как отправную точку для дообучения на реальном сигнале метилирования, а не только на последовательности ДНК.

Геномные foundation-модели: Borzoi, AlphaGenome и epicme.bio

Обзор Enformer, Nucleotide Transformer, HyenaDNA, Borzoi/Flashzoi, Evo/Evo2 и AlphaGenome с архитектурой и ссылками на первоисточники; восемь идей применения к CD55; архитектуры дообучения на ДНК + метилирование; и план следующего шага — модель «ДНК + метилирование → CD55 on/off» по RNA-seq.

Открыть →

Коротко — что могут дать эти модели проекту

Проверка гипотез

Независимая сверка CTCF/NRF1

AlphaGenome и Borzoi предсказывают ChIP-подобные треки по последовательности — их предсказанное связывание TF в окне #43–86/#13–43 можно сравнить с наблюдаемым сдвигом покрытия ещё до постановки CUT&RUN.

Планирование экспериментов

In silico скрининг ZFP/dCas9-мишеней

Прогонять кандидатные окна через AlphaGenome/Borzoi до wet-lab — заранее видеть предсказанный регуляторный off-target риск, не только генетический.

Дообучение + Next

ДНК + метилирование → CD55 on/off

Четыре архитектурных пути дообучения Borzoi/Flashzoi на реальном сигнале метилирования (не только последовательности), и конкретный план two-tower модели, предсказывающей on/off по RNA-seq — с честно названным блокером: нужен парный RNA-seq для наших образцов.

Честно про статус: это research-заметки и архитектурные предложения, а не обученная модель — ни одна из идей выше ещё не реализована и не провалидирована на наших данных. Полная разбивка, ссылки на первоисточники и оговорки — на странице Foundation-модели.
Contribute — пришлите нам свои данные

Загрузите свои данные для обработки и структурированного глубокого анализа epiCme

Кроме наборов, уже разобранных на этом сайте, мы принимаем данные метилирования CD55 от других лабораторий, доноров и клеточных линий — чтобы прогнать их через тот же пайплайн epiCme и сопоставить с уже накопленной картой промотора, факторами и профилями on/off.

Сырые данные · Nanopore

Сырые прогоны Oxford Nanopore

POD5 / FAST5 / FASTQ — мы выполним базовое вызывание и вызов CpG-метилирования на выбранном пороге достоверности через наш пайплайн epiCme, тот же, что использован для всех данных на этом сайте.

Обработанные данные

Уже обработанные профили метилирования

Готовые per-CpG таблицы (CSV/TSV, bedMethyl) — для прямого сравнения on/off клеток (отредактированные vs контроль) на тех же координатах, что и наши наборы K562 и T-клеток.

Сопоставление

Сверка с уже накопленным анализом

Ваши профили можно наложить на карту транскрипционных факторов, ChIP-seq треки и семь механизмов неровного метилирования, разобранные на страницах K562 и «Механизмы».

Открыть форму загрузки данных

Демо-интерфейс формы: собирает метаданные образца по обоим типам данных и объясняет, как передать сами файлы — большие Nanopore-раны через браузер надёжно не передать.

Перейти к загрузке →
Статус: форма загрузки — черновик интерфейса. Реальный приём файлов ещё не подключён; после отправки формы вы увидите демонстрационный ID заявки и описание того, как это будет работать в финальной версии (Globus / SFTP / защищённая ссылка для больших файлов).