前两期中我们做了一些前期的铺垫和介绍，提到（加链接），这一期我们实践操作，使用ChAMP软件包分析甲基化芯片数据，再现从软件的安装到分析的整个过程，在分析数据之前我们有必要提及两篇文章：
1） ChAMP: 450k Chip Analysis Methylation Pipeline https://doi.org/10.1093/bioinformatics/btt684
image.png
2）ChAMP: updated methylation analysis pipeline for Illumina BeadChipshttps://doi.org/10.1093/bioinformatics/btx513
image.png
首先在2013年基于R语言的软件包ChAMP发布在Bioconductor平台，其目的主要为分析甲基化450k芯片数据，而后在2017年12月发布了更新版本的ChAMP,更新版本支持新芯片EPIC的数据分析，并且增加了很多其它功能，并且软件还在不断根据反馈更新，该软件提供差异甲基化位点(differentially methylated positions (DMPs)，差异甲基化区域(differentially methylated regions(DMRs), 以及更大区域的differentially methylated genomic blocks (DMB),优秀的可视化功能。论文的第一作者是上一期我提及的Yuan Tian 博士，单位是中国科学院上海生命科学研究院，小编的偶像级人物，坦白讲，能写出这样的主流分析软件真的很难得。下面进行数据分析：
在数据分析之前呢，小编首先默认你已经安装了R软件，并会一些简单的代码，会从GEO数据库下载数据了，如果还不熟悉，可以在下方留言，如果有必要，我们可以花一期的时间写一写：
##1-首先就是安装并加载ChAMP包
source("https://bioconductor.org/biocLite.R")
biocLite("ChAMP")
library("ChAMP")
注意这一步骤由于R软件及相应包的版本问题，猜测可能很多小伙伴会安装失败，坦白讲，小编当时也安装了许久，也没有特殊的解决办法，可#以先安装大多数包，然后注意报错的内容，缺少什么包就安装什么，总能解决的。有安装问题可以下方留言，或者添加小编微信，欢迎一起交流。
##2-载入数据，为了方便起见，作者内置了可用于测试的数据
testDir=**system.file**("extdata",package="ChAMPdata")
myLoad <- **champ.load**(testDir,arraytype="450K")##内置450k测试数据集
myLoad <- champ.load(testDir) #载入数据
myLoad$pd ##查看数据结构，简单的讲数据分为两组（C1-C4,T1-T4）
流程介绍
image.png
image.png
##下面要放大招了，ChAMP提供打包好的一体化函数，就是不用设置参数，不需要理解复杂的中间流程，掌握某个函数，一个函数解决整个分析流程：
champ.process**(directory = testDir)##我称之为必杀技
##当你看到这个界面时，就可以先去喝杯茶了，然后等你回来就，你想要的都会有啦：
下面展示一些我们得到的图:
image.png
image.png
image.png
image.png
`
总之就是会有一系列的质控图，结果自动生成在文件夹中。
##作为补充，也可以使用单独的函数分析，例如：
CpG.GUI(CpG=**rownames**(myLoad$beta),arraytype="450K")
以上我们展示的是最简单的一种方式，就是默认你自己有甲基化原始数据.IDAT文件以及samplesheet，可以考虑使用一体化函数去分析数据，然后再自己写出你所需要的结果就好了。当然，这样一体化过程可能能满足一部分小伙伴，如果有更高的要求，小编还是建议仔细阅读Userguide,学会自己设置参数，根据自己的要求，实现灵活多样的分析，如果你用心去体验了，就会发现其实ChAMP的函数都已经封装好了，很容易看明白的，然后就各取所需，愉快的做科研吧。
除了分析自己已有的数据，其实我知道还有一部分小伙伴，是从公共平台下载已有数据重新分析，有时可能只有矩阵数据，一般我们认为是level 3的数据，比如从TCGA，GEO数据库下载的，有时可能没有原始数据，ChAMP也是支持的，可以导入数据，当然这就需要仔细的阅读Userguide，及相应函数的使用。这里由于篇幅所限，不可能事无巨细讲到每一个细节，每一个函数，本文的作用只是作为灯塔，指引方向。
注意事项：
-
在学习使用ChAMP分析数据的过程中，小编曾遇到过一个问题，准备samplesheet时请注意不要使用excel打开，一旦打开就可能会使samplesheet与读取的矩阵数据不完全一致，困扰了医学汪的小编好一段时间，最后在Yuan Tian博士的建议下，使用写字本打开才解决的。
-
甲基化数据量非常大，对硬件要求相对比较高。其实这一点很容易理解，常规的表达谱芯片大概就40000多个探针，然而甲基化芯片450k就是45万，850k就是85万了，明显是10几倍的差异了，并且计算差异甲基化区域的算法对内存占用较大。所以，是时候让老板更新配置啦，大批量数据肯定是需要服务器的，这类问题小编就也不懂啦。
网友评论