HiC-Pro实战详解

欢迎关注”生信修炼手册”!

HiC-Pro软件非常灵活，不仅可以处理各种不同建库方式的Hi-C数据，也可以处理capture Hi-C数据。软件安装过程如下

yum install -y epel-release
# R
yum install -y R
R
install.packages(c("ggplot2", "RColorBrewer"))
# python
yum install -y gcc gcc-c++ make
yum install -y python2 python-devel  python2-pip 
pip install pysam
pip install "scipy<1"
pip install bx-python
# bowtie2
yum  install -y wget
wget https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.1/bowtie2-2.3.4.1-linux-x86_64.zip
unzip bowtie2-2.3.4.1-linux-x86_64.zip
# samtools
yum install bzip2 bzip2-devel libcurl libcurl-devel ncurses-devel openssl openssl-devel
wget https://github.com/samtools/samtools/releases/download/1.6/samtools-1.6.tar.bz2
tar xjvf  samtools-1.6.tar.bz2
cd samtools-1.6/
./configure
make
make install
# HiC-Pro
wget https://github.com/nservant/HiC-Pro/archive/v2.11.1.tar.gz
tar xzvf v2.11.1.tar.gz
cd HiC-Pro-2.11.1
make configure
make install

安装好之后，需要准备以下几种参考物种的相关文件

1. 酶切图谱

通过软件自带的脚本可以产生基因组对应的酶切图谱，输入内切酶的名称或者酶切位点序列都可以，用法如下

digest_genome.py -r A^AGCTT -o mm9_hindiii.bed mm9.fasta
digest_genome.py -r hindiii -o mm9_hindiii.bed mm9.fasta

2. 参考基因组索引

软件采用bowtie2将reads比对到参考基因组上，所以需要对基因组的fasta文件建立索引，用法如下

bowtie2-build hg19.fasta hg19

3. 染色体长度文件

从UCSC下载染色体长度文件，或者自己根据fasta序列统计长度都可以，该文件内容如下

chr1    249250621
chr2    243199373
chr3    198022430
chr4    191154276

这里我们用官网提供的测试数据展示下基本用法，首先下载测试数据

wget --no-check-certificate https://zerkalo.curie.fr/partage/HiC-Pro/HiCPro_testdata.tar.gz
tar xzcf HiCPro_testdata.tar.gz

HiC-Pro的所有参数都记录在配置文件中，安装目录提供了配置文件的模板config_test_latest.txt`, 在此基础上进行编辑就可以了。常见的需要配置的参数如下

BOWTIE2_IDX_PATH = /data/annotation/Human/hg19/base
REFERENCE_GENOME = hg19
GENOME_SIZE = chrom_hg19.sizes
GENOME_FRAGMENT = HindIII_resfrag_hg19.bed
LIGATION_SITE = AAGCTAGCTT

对于这个测试文件，只需要编辑bowtie2索引所在目录就可以了，编辑好之后直接运行，用法如下

HiC-Pro -i test_data/ -o out_dir -c config_test_latest.txt

用法非常简单，-i参数指定样本fastq文件文件所在目录，-o参数指定输出结果的目录，-c参数指定配置文件的名称。

对于fastq文件所在目录，结构如下所示

├── dixon_2M
│   ├── SRR400264_00_R1.fastq.gz
│   └── SRR400264_00_R2.fastq.gz
└── dixon_2M_2
    ├── SRR400264_01_R1.fastq.gz
    └── SRR400264_01_R2.fastq.gz

每个样本一个子文件夹，下面是对应的双端测序的fastq文件。输出结果目录如下

|-- bowtie_results
|-- config_test_latest.txt
|-- hic_results
|-- logs
|-- rawdata -> /HiC-Pro-2.11.1/test_data/
`-- tmp

其中hic_results目录下是最终结果，包含了不同分辨率下的hi-c图谱和质控的图表。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！