Lander-Waterman公式应用于预测原位Hi-C文库复杂度的系统性评估

摘要

原位Hi-C技术作为三维基因组学研究的关键工具，能够捕获染色质在细胞核内的空间互作信息，广泛应用于疾病机制解析与发育生物学等领域.然而，其数据质量高度依赖于测序过程的合理控制，而现有质控方法多依赖工程化工具，缺乏统一的数据模型支撑.本文系统回顾了经典的Lander-Waterman(LW)覆盖度理论，并将其拓展至原位Hi-C测序场景中.首先推导了LW理论在Hi-C数据中的适用形式，进而介绍了基于极大似然估计的优化方法(如Picard工具),并在多个公共数据集上验证了其拟合与预测效果.结果表明，原始LW模型在部分数据中表现良好，但在非原始协议的样本中预测偏差显著；而Picard通过迭代优化显著提升了预测准确性.本研究为原位Hi-C数据的质控提供了理论依据与实践工具，并为三维基因组测序模型的进一步优化提供了思路.

关键词

原位Hi-C测序 / 极大似然估计 / Lander-Waterman公式