Evaluarea îmbogățirii

ChIP-seq cu Bioconductor în R

Peter Humburg

Statistician, Macquarie University

Extinderea citirilor

Încărcați datele:

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

Obțineți lungimea medie a fragmentului:

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

Extindeți citirile și calculați acoperirea:

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

Acoperire pentru vârfuri

Creați intervale de 200 pb de-a lungul genomului.

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

Identificați toate intervalele suprapuse cu vârfurile.

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

Numărați citirile suprapuse cu fiecare interval de vârf.

peak_bins$score <- countOverlaps(peak_bins, reads)

Funcție pentru acoperire pe intervale

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
}

Acoperire pentru regiunile din lista neagră

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

Acoperire de fond

Eliminați toate intervalele deja contabilizate.

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

Numărați citirile suprapuse cu fiecare interval rămas.

bkg_bins$score <- countOverlaps(bkg_bins, reads_ext)

Să exersăm!

ChIP-seq cu Bioconductor în R