ChIP-seq上下游学习

最新推荐文章于 2024-12-16 13:57:32 发布

颗粒神经园

最新推荐文章于 2024-12-16 13:57:32 发布

阅读量1.9k

点赞数

分类专栏： Bioinformatics 文章标签：大数据数据挖掘

本文链接：https://blog.youkuaiyun.com/fleame/article/details/116303799

版权

Bioinformatics 专栏收录该内容

10 篇文章

订阅专栏

本文详细介绍了ChIP-seq数据分析的全流程，包括SRA文件下载、adaptor去除、质量控制、参考基因组比对、BAM文件统计、PCR去重、MACS2找peak、Deeptools可视化及ChIPSeeker注释。通过这个教程，读者可以掌握ChIP-seq数据的基本分析方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

不知不觉，时间过得太快，这个教程的学习居然拖。。。了半年！

趁春节放假，还是把它完成吧。顺完这个教程之后，测序相关的上下游分析算是打通了一二，暂告一段落。

参考Jimmy老师的ChIP-seq教程《https://cloud.tencent.com/developer/article/1346037》。感恩！

过程不赘述，上面教程有所有的分析和代码。

还是在conda里面进行分析，这个环境集中安装了所有需要的程序。

在这里插入图片描述

简略过程

如果你做过RNA-seq或者WES等的上游分析，那流程应该就很熟悉了。

1 下载SRA文件

#开代理吧，网速飞起
fasterq-dump  --split-3 -O ../fastq $id/$id.sra

2 去掉adaptor

trim_galore $fq1 -q 25 --phred33 --length 25 -e 0.1 --stringency 4 -o ../clean

3 qc质量控制

## qc reports
cd ../qc
ls ../raw/*fastq|xargs fastqc -t 10 -o  ./
multiqc ./
ls ../clean/*fq|xargs fastqc -t 10 -o  ./
multiqc ./

4 与参考基因组比对

file=$(basename $id)
sample=${file%%.*}
bowtie2_index=~/public/references/index/bowtie2/mm10/mm10
bowtie2 -p 5 -x $bowtie2_index -U $id | samtools sort -O bam -@ 5 -o - > ${sample}.bam

5 查看Bam文件统计信息

ls  *.bam  |xargs -i samtools index {}
ls  *.bam  | while read id ;do ( samtools flagstat $id > $(basename $id ".bam").stat & );done

6 合并Bam

ls *.bam|sed 's/_[0-9].bam//g' |sort -u |while read id;do samtools merge -f ../mergeBam/$id.merge.bam $id*.bam ;

7 PCR去重

ls  *merge.bam  | while read id ;do (nohup samtools markdup -r $id $(basename $id ".bam").rmdup.bam & );done

8 使用macs2 找 peak

nohup macs2 callpeak -c  Control.merge.bam -t $id.merge.bam -f BAM -B -g mm -n $id --outdir ../peaks  2> $id.log &

这里找peak，是需要和control组进行比较的，也就是找差异。

得到下面的*_summits.bed就是与control组比较完之后的差异序列信息。

可以看到control组为零。

在这里插入图片描述

找完peak，上游分析就结束了。下面进行一些可视化的探索。

9 使用Deeptools进行

## change to bw file
refgene=~/public/references/CHIPSeq/mouse.ref
samtools index $id # create indexs
bamCoverage -b $id -o $sample.bw 
computeMatrix reference-point --referencePoint TSS -p 4 -b 2000 -a 2000 -R $refgene -S $sample.bw --skipZeros -o ${sample}_TSS.gz --outFileSortedRegions ${sample}_genes.bed
plotHeatmap -m ${sample}_TSS.gz -out ../plotHeatmap/${sample}.pdf --plotFileFormat pdf  --dpi 720

10 单独和所有组别画图

在这里插入图片描述

可以看到单独画图和一起画图的区别。这种图大概属于CNS系列，高大上。

11 R里面进行ChIPSeeker注释

library(ChIPseeker)
bedPeaksFile         = 'H3K36me3_summits.bed'; 
#bedPeaksFile
require(ChIPseeker)
require(TxDb.Mmusculus.UCSC.mm10.knownGene)
txdb <- TxDb.Mmusculus.UCSC.mm10.knownGene
require(clusterProfiler) 
peak <- readPeakFile( bedPeaksFile )  
keepChr= !grepl('_',seqlevels(peak))
seqlevels(peak, pruning.mode="coarse") <- seqlevels(peak)[keepChr]
peakAnno <- annotatePeak(peak, tssRegion=c(-3000, 3000), 
                         TxDb=txdb, annoDb="org.Mm.eg.db") 
peakAnno_df <- as.data.frame(peakAnno)

得到下面的注释：
在这里插入图片描述