CCPs

首先明确下这个概念
Pearson cross -correlations，这个概念是描述正链reads mapping的密度与负链reads mapping密度的相关性

那如何计算呢？

在做Chip的时候，对于正链来说每一区段都对于着相应的reads数（注意中括号里面的数字，代表某一区段对应的reads数量）
这时候皮尔森相关性为0

我们移动100bp，这时候正负链就有一定的交叉部分了
看图中虚线部分，负链有三个区段与正链有交叉，所以中括号内的数字变为了1,4,3
此时的皮尔森相关性为0.389

类似的，我们把正负链peaks完全重合，那么此时中括号就都有非0数字了，此时的皮尔森相关性为0.831
这就是我们最终的结果
正常情况，正负链上的peak分布大小应该是差不多的，那么根据各个区段mapping的reads数，计算皮尔森相关性，来衡量正负链peak相似程度

NSC RSC

这两个概念是衡量信号相对于背景强度的

根据前面所说的，我们通过平移正负链计算CCPs的值，作图有：

横坐标为移动了多少bp，纵坐标为CCPs的值，由于移动不同bp所产生的CCPs值不同，所以画出为单峰图

那么，这幅图就分为三个部分
上面的是fragment的长度，稍微下面的是reads的长度，（大约100多bp），也就是正负链移动了大约100bp，最下面就是全部的移动了多少bp

一般来说，fragment对应的CCPs最大，最小的是最下面的那个虚线
所以正常NSC，RSC要大于1.05

如果是这样的图，fragment和min(cc)值就比较接近，这样NSC比值就小于1.05，甚至小于1
这样就是不合格的

参考：https://hbctraining.github.io/Intro-to-ChIPseq/lessons/06_combine_chipQC_and_metrics.html