清理 ChIP-seq 数据

在 R 中使用 Bioconductor 进行 ChIP-seq 分析

Peter Humburg

Statistician, Macquarie University

常见问题

错误比对的 reads 可能产生假阳性峰。

• 基因组重复序列。

常见问题

错误比对的 reads 可能产生假阳性峰。

• 基因组重复序列。

• 参考序列不完整。

常见问题

错误比对的 reads 可能产生假阳性峰。

• 基因组重复序列。

• 参考序列不完整。

• 低复杂度区域。

扩增偏倚

• 细胞提取的 DNA 片段在测序前会被多次扩增。
• 不同片段的扩增倍数不同。
• 同一片段可能被多次测序。
• 单个片段会抬高覆盖度，导致错误的峰检测。

质量控制报告

library(ChIPQC)
qc_report <- ChIPQC(experiment="sample_info.csv", annotation="hg19")
ChIPQCreport(qc_report)

准备输入文件

SampleID	Factor	Condition	Tissue	Treatment	bamReads	Peaks	PeakCaller
S1	AR	primary	primary prostate tumor	gleason score: 3+4=7	S1.bam	S1.bed	macs
S2	AR	primary	primary prostate tumor	gleason score: 3+4=7	S2.bam	S2.bed	macs
...	...	...	...	...	...	...	...

清理数据

• 去除重复 reads。
• 去除多重比对的 reads。
• 去除低比对质量的 reads。
• 去除黑名单区域的峰。

清理数据

• 去除重复 reads。
• 去除多重比对的 reads。
• 去除低比对质量的 reads。
• 去除黑名单区域的峰。

清理数据

• 去除重复 reads。
• 去除多重比对的 reads。
• 去除低比对质量的 reads。
• 去除黑名单区域的峰。
  • 黑名单区域可从 ENCODE 项目获取。

Vamos praticar!

在 R 中使用 Bioconductor 进行 ChIP-seq 分析