Curățarea datelor ChIP-seq

ChIP-seq cu Bioconductor în R

Peter Humburg

Statistician, Macquarie University

Probleme frecvente

Citirile mapate incorect pot produce vârfuri false.

  • Repetiții genomice.

ChIP-seq cu Bioconductor în R

Probleme frecvente

Citirile mapate incorect pot produce vârfuri false.

  • Repetiții genomice.

  • Secvență de referință incompletă.

ChIP-seq cu Bioconductor în R

Probleme frecvente

Citirile mapate incorect pot produce vârfuri false.

  • Repetiții genomice.

  • Secvență de referință incompletă.

  • Regiuni cu complexitate scăzută.

ChIP-seq cu Bioconductor în R

ChIP-seq cu Bioconductor în R

Bias de amplificare

  • Fragmentele de ADN extrase din celule sunt copiate de mai multe ori înainte de secvențiere.
  • Nu toate fragmentele produc același număr de copii.
  • Mai multe copii ale aceluiași fragment pot fi secvențiate.
  • Un singur fragment de ADN poate inflaționa acoperirea și duce la identificări incorecte de vârfuri.
ChIP-seq cu Bioconductor în R

Rapoarte de control al calității

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

ChIP-seq cu Bioconductor în R

Pregătirea fișierelor de intrare

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
... ... ... ... ... ... ... ...
ChIP-seq cu Bioconductor în R

Curățarea datelor

  • Eliminarea citirilor duplicate.
  • Eliminarea citirilor cu alinieri multiple.
  • Eliminarea citirilor cu calitate scăzută a mapării.
  • Eliminarea vârfurilor din regiunile pe lista neagră.
ChIP-seq cu Bioconductor în R

Curățarea datelor

  • Eliminarea citirilor duplicate.
  • Eliminarea citirilor cu alinieri multiple.
  • Eliminarea citirilor cu calitate scăzută a mapării.
  • Eliminarea vârfurilor din regiunile pe lista neagră.
ChIP-seq cu Bioconductor în R

Curățarea datelor

  • Eliminarea citirilor duplicate.
  • Eliminarea citirilor cu alinieri multiple.
  • Eliminarea citirilor cu calitate scăzută a mapării.
  • Eliminarea vârfurilor din regiunile pe lista neagră.
    • Regiunile pe lista neagră sunt disponibile din proiectul ENCODE.
ChIP-seq cu Bioconductor în R

Să exersăm!

ChIP-seq cu Bioconductor în R

Preparing Video For Download...