If you do not find what you're looking for, you can use more accurate words.
تم تطوير تقنيات تجريبية مختلفة لرسم خرائط الجينوم الخاصة بمعلومات علم الوراثة اللاجينية، والأكثر استخدامًا على نطاق واسع في الترسيب المناعي للكروماتين على مصفوفة دنا الدقيقة وتسلسل الترسيب المناعي للكروماتين وتسلسل البيسلفيت. وبالتالي تُنتج جميع هذه الأساليب كميات كبيرة من البيانات وتتطلب طرقًا فعالة لمعالجة البيانات ومراقبة الجودة عن طريق أساليب معلوماتية حيوية.
لقد تخصصت أعداد هائلة من أبحاث المعلوماتية الحيوية في التنبؤ بمعلومات الوراثة اللاجينية من خصائص تسلسل المجين. حيث تخدم مثل هذه التوقعات غرضًا مزدوجًا. أولاً، يمكن استبدال تنبؤات الوراثة اللاجينية الدقيقة بالبيانات التجريبة بدرجة ما، والتي تعد ملائمة بوضوح لآليات علم الوراثة اللاجينية المكتشفة حديثًا ولأنواع أخرى غير الإنسان والفئران. ثانيًا، تُؤسس خوارزميات التنبؤ نماذج إحصائية لمعلومات علم الوراثة اللاجينية من بيانات التدريب ولذلك يمكن أن تعمل كخطوة أولى تجاه النمذجة الكَمية لآلية الوراثة اللاجينية. ومن ثم يتحقق التنبؤ الحاسوبي الناجح للحامض النووي والتمثيل والأستلة الخاصان بالليسين عن طريق مجموعات من الخصائص المختلفة.
يوفر الدور الهام لعيوب علم الوراثة اللاجينية لمرض السرطان فرصًا جديدة لتحسين مستويات التشخيص والعلاج. وبالتالي تُثير هذه المناطق النشطة للأبحاث سؤالين قابلين للتعديل في مجال تحليل المعلوماتية الحيوية. الأول، وبناءً على قائمة المناطق الجينومية التي تعكس اختلافات علم الوراثة اللاجينية بين خلايا وضوابط الأورام الخبيثة (أو بين الأنواع الفرعية للأمراض المختلفة)، هل يمكننا اكتشاف الأنماط الشائعة أو العثور على دليل على وجود علاقة وظيفية بين هذه المناطق وبين السرطان؟ ثانيًا، هل يمكننا استخدام أساليب المعلوماتية الحيوية لتحسين مستويات التشخيص والعلاج من خلال الكشف عن الأنواع الفرعية الخطيرة للمرض وتصنيفها؟