Ever since the invention of next-generation sequencing, new methods for understanding gene expression and control through epigenetics marks have been created. Among these, CUT&Tag analysis has emerged to become an efficient epigenomic profiling technique with low input requirements, high sensitivity, and lower background signals. Even though the wet-lab techniques are in place, analyzing the data is still a challenge for scientists with less computational skills, such as biologists. Therefore, this master’s thesis presents a new Python package that not only simplifies the data analysis of CUT&Tag sequencing but also allows biomedical scientists to easily interpret the results. The new pipeline package is based on the original CUT&Tag innovation team ́s data analysis protocol. It includes every step necessary from quality control to annotation and differential peak analysis. The package also fixed a few bugs, (e.g., reproducibility assessment) from the original protocol, and added new visualization plots, and features like genome annotation and differential peak analysis. In a demonstration run on a real CUT&Tag data set, the new package successfully recreated the plots from the original study. Additionally, function annotation analysis on annotated genes revealed predictions supporting current literature on the target proteins.

Helt siden oppfinnelsen av neste generasjons sekvensering har nye metoder for å forstå genuttrykk og kontroll gjennom epigenetiske merker blitt langet. Blant disse har Cut&Tag- analyse vist seg å bli en effektiv epigenetisk profileringsteknikk med høy sensitivitet, lave bakgrunnsverdier, som er kompatibel med små prøvemengder. Selv om våtlabstekknikene er på plass, kan analyse av CUT&Tag data skape problemer for forskere med mindre programmeringserfaringer. Derfor presenterer denne masteroppgaven en ny Python-pakke som forenkler datanalysen av CUT&Tag-data, noe som resulterer i raskere og enklere analyse, slik at flere forskere kan utnytte teknikken. Pipeline-pakken er basert på det originale CUT&Tag- innovasjonsteamests datanalyseprotokoll og inkluderer alle nødvendige trinn fra kvalitetskontroll til annotering og differensialanalyse. Under en testkjøring gjenskapte den nyopprettede pipelinen plottene fra den opprinnelige protokollen, fikset en feil i reprodduserbarhetsvurdering og opprettet nye plot samt filer fra tilleggs funksjonen; annotering og differensialanalyse, som ikke var en del av den opprinnelige protokollen. I tillegg viste funksjonsannoterings analyse av annoterte gener, at prediksjonene var i samsvar med gjeldende litteratur om histon modifikasjonene som var målene i eksperimentet.