Hodnocení obohacení

ChIP-seq s Bioconductor v R

Peter Humburg

Statistician, Macquarie University

Rozšiřování čtení

Načtení dat:

reads <- readGAlignments(bam)
reads_gr <- granges(reads[[1]])

Získání průměrné délky fragmentu:

frag_length <- fragmentlength(qc_report)["GSM1598218"]

Rozšíření čtení a výpočet pokrytí:

reads_ext <- resize(reads_gr, width=frag_length)
cover_ext <- coverage(reads_ext)

Pokrytí peaků

Vytvoření 200 bp binů podél genomu.

bins <- tileGenome(seqinfo(reads), tilewidth=200, 
                   cut.last.tile.in.chrom=TRUE)

Nalezení všech binů překrývajících se s peaky.

peak_bins_overlap <- findOverlaps(bins, peaks)
peak_bins <- bins[from(peak_bins_overlap), ]

Spočítání počtu čtení překrývajících se s každým peakovým binem.

peak_bins$score <- countOverlaps(peak_bins, reads)

Funkce pro pokrytí v binech

count_bins <- function(reads, target, bins){
  # Find all bins overlapping peaks
  overlap <- from(findOverlaps(bins, target))
  target_bins <- bins[overlap, ]

  # Count the number of reads overlapping each peak bin
  target_bins$score <- countOverlaps(target_bins, reads)
  target_bins
}

Pokrytí v blacklistových oblastech

peak_bins <- count_bins(reads_ext, peaks, bins)
bl_bins <- count_bins(reads_ext, blacklist.hg19, bins)

Pokrytí pozadí

Odstraňte všechny již zahrnuté biny.

bkg_bins <- subset(bins, !bins %in% peak_bins & !bins %in% bl_bins)

Spočítejte počet čtení překrývajících se s každým zbývajícím binem.

bkg_bins$score <- countOverlaps(bkg_bins, reads_ext)

Pojďme cvičit!

ChIP-seq s Bioconductor v R