Hi-C是高通量染色体构象捕获（High-throughput Chromosome Conformation Capture, Hi-C）技术的简称，开发于2009年，最初用于捕获全基因组范围内所有的染色质内和染色质间的空间互作信息，目前已应用于基因表达的空间调控机制研究、构建染色体水平参考基因组、构建单体型图谱等。
样本处理：甲醛交联固定
Illumina PE150测序，质量评估，数据对比过滤，有效数据筛选统计，辅助基因组组装 互作图谱构建，互作矩阵构建 （标准分析）
Hi-C数据获得的基因间互作强度具有两个重要特征：
① 同一条染色体内的基因互作（顺式互作）远高于不同染色体间的互作（反式互作）。
② 同一条染色体内部，两点间距离越远，互作强度越低。
利用此特征可将原始contigs聚类、排序、定向，组装至染色体水平。可对已经组装的基因组进行纠错。
TAD (topologicallyassociating domains)即拓扑相关结构域，是指一段具有折叠结构的DNA序列，在图中表现为“方块”，此区域内部的互作频率会显著高于毗邻的两个区域之间的互作频率，TAD是基因组在空间结构中的基本组织形式。
基因组单体型： 单体型(Haplotype,haploid genotype)是个体组织中，完全遗传自父母双方中一个亲本的一组等位基因，又称单倍体型或单元型。
Hi-C实验样本要求：
动物组织：≥1g（肌肉、肝脏等） 建议培养2-3g组织用于固定，以保证实验可重复性。
Hi-C需要生物学重复吗？测多少数据量？周期如何？
从目前发表的文献来看，需要做2个生物学重复。理论上是需要做 3 个重复的，但是从成本角度考虑,暂时 Hi-C 可以做两个技术重复，即如果一个样本理论上需要测 180G 数据量，那我们建两个文库，每个文库测 90G，分析数据相关性比较高后将两个文库的数据进行整合。
每个样本的测序量根据分辨率计算，一般在基因组大小的100x~300x之间。根据项目经验100X时分辨率能达到44Kb。在人类淋巴样细胞中，密度最大的区域包含49亿个接触点，分辨率达到1Kb。分辨率值越小图越精细？ 一般来说，500kb看 A B compartment 50kb可以看到看到TAD ,50kb以下可以看到一些DNA loop。我们看到热图对角线上大方块（代表了接触的频率）。 这些方块将基因组划分为5-20 Mb的间隔，我们将其称为“megadomains”。我们也在1M（100kb）的分辨率下面，看到很多compartmentA/B （一般来说，compartmentA/B是类似于那种格子形状，有类似于条纹格子在的就认为有A/B compartment ）在GM12878的细胞5KB分辨率的Hi-C的数据中，发现了peak。 绝大多数peak（98％）反映了相距<2 Mb的基因座之间的环 （DNA loop）。Hi-C结果可以被看做是“接触矩阵”M，通过在基因组上进行画bin（1MB/1kb的大小），Mij是Li, Lj观察到的互作的情况（指的是数到mapping到基因组的reads数，去除重复和没比对到基因组上的），可以通过热图来可视化。Hi-C图的''矩阵分辨率'定义，为使得80％的locus具有至少1,000个interaction？
https://cloud.tencent.com/developer/article/1480877
项目周期一般在3~4个月（含标准分析及高级分析），如下图标准分析75天。
在设定的 bin size 下，80%-90%以上的 bin 对有 reads 支持（80%-90% bin 与 bin 之间有互作），则认为此分辨率是可以达到的。市场上偷换概念者大有人在，把 bin size设得特别小，但是很多 bin 都是空的，即和其他 bin 没有互作，可能也就 50% 甚至更低的 bin 之间有互作，达不到承诺的分辨率。
http://www.genome.cn/Product/HiC/fhic#Position
最终可用于分析的Valid Rate（%）均在60%以上，最高可达83%。
https://wiki.antpedia.com/n-2271373-news
参考来源：
http://www.frasergen.com/cn/index_231.aspx