清理 ChIP-seq 資料

在 R 中使用 Bioconductor 進行 ChIP-seq

Peter Humburg

Statistician, Macquarie University

常見問題

錯誤比對的 reads 會產生假峰值。

• 基因體重複序列。

常見問題

錯誤比對的 reads 會產生假峰值。

• 基因體重複序列。

• 參考序列不完整。

常見問題

錯誤比對的 reads 會產生假峰值。

• 基因體重複序列。

• 參考序列不完整。

• 低複雜度區域。

擴增偏差

• 從細胞萃取的 DNA 片段在定序前會被多次擴增。
• 並非每個片段都產生相同的複本數。
• 相同片段的多個複本可能被定序。
• 單一 DNA 片段會放大覆蓋度，導致錯誤的峰值判定。

品質控制報告

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

準備輸入檔

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
...	...	...	...	...	...	...	...

清理資料

• 移除重複 reads。
• 移除多重比對的 reads。
• 移除比對品質低的 reads。
• 移除黑名單區域的峰值。

清理資料

• 移除重複 reads。
• 移除多重比對的 reads。
• 移除比對品質低的 reads。
• 移除黑名單區域的峰值。

清理資料

• 移除重複 reads。
• 移除多重比對的 reads。
• 移除比對品質低的 reads。
• 移除黑名單區域的峰值。
  • 黑名單區域可從 ENCODE 計畫取得。

一起來練習吧！

在 R 中使用 Bioconductor 進行 ChIP-seq