Test auf differentielle Bindung

ChIP-seq mit Bioconductor in R

Peter Humburg

Statistician, Macquarie University

Gruppen von ChIP-seq-Proben vergleichen

  • Verwende statistische Analysen von Read-Zahlen, um signifikante Unterschiede zwischen Gruppen zu finden.
  • Das Paket DiffBind bietet eine Schnittstelle zu Analysetools.
    • Nutze entweder DESeq2 oder edgeR.
ChIP-seq mit Bioconductor in R

Ein gemeinsames Peak-Set erstellen

Reads im Peak-Set zählen:

peak_counts <- dba.count(qc_output, summits=250)
ChIP-seq mit Bioconductor in R

Einen Kontrast festlegen

Einen Kontrast erstellen:

peak_counts <- dba.contrast(peak_counts, categories = DBA_CONDITION)

Weitere unterstützte Kategorien:

  • DBA_ID
  • DBA_TISSUE
  • DBA_FACTOR
  • DBA_TREATMENT
  • DBA_REPLICATE
  • DBA_CALLER
ChIP-seq mit Bioconductor in R

Kontrollen verwenden

ChIP-seq mit Bioconductor in R

Die Analyse ausführen

bind_diff <- dba.analyze(peak_counts)
ChIP-seq mit Bioconductor in R

Ein erster Blick auf die Ergebnisse

PCA-Plot für differentiell gebundene Peaks

dba.plotPCA(bind_diff, DBA_Condition, contrast=1)

Heatmap für differentiell gebundene Peaks

dba.plotHeatmap(bind_diff, DBA_Condition, contrast=1)
ChIP-seq mit Bioconductor in R

Lass uns üben!

ChIP-seq mit Bioconductor in R

Preparing Video For Download...