linux学的半半拉拉，觉得需要用实战来激励一下，之后再回过头还要再学linux的哦。所以先来ChIP-seq吧，这个挺急需的，去年的数据估计也需要用这一套流程来跑。感谢Jimmy大神无私地录教程。https://www.bilibili.com/video/BV16s411T7Fh?spm_id_from=333.999.0.0

一、表观遗传学背景知识，ChIP-seq第1-4讲。

二、ChIP-seq第5讲-数据分析流程主干和侧枝

1. 步骤大同小异：

1.1 下机数据处理

raw data转换，quality control。

1.2比对到参考基因组

1.3确定与目的蛋白结合的DNA以及其结合区域。

call peak-通常是用MACS2来找到peaks。有的可以IGV可视化。

1.4单个样品的蛋白结合峰进行分析

包括结合峰相关基因的注释、GO分析KEGG通路富集分析和motif分析，主要是 motif和peaks的注释。

1.5对多个样品可进行差异结合峰分析

包括差异结合峰相关基因的注释、GO分析、KEGG通路富集分析和motif分析。即多次重复的相关性，或者处理前后peaks差异的对比。

1.6结合配套的RNA-seq或lncRNA-seq数据

还能对目的蛋白的调控机制做进一步的深入分析。

2. 多种文件格式和转换：

从知乎大神-生信宝典这里学习到https://zhuanlan.zhihu.com/p/436823899

2.1 sam，bam

这些之前都知道啦。bam和sam文件可以帮助我们探索reads在参考基因组中的比对情况。

2.2wiggle(简称wig)、bigwig(简写bw)以及bedgraph(简写bdg)

只包含区域和区域的覆盖度信息，文件更小，用于可视化更方便，可以导入基因组浏览器（Genome Browser）中进行可视化，以查看reads在参考基因组各个区域的覆盖度并检测测序深度。这几个文件在[ChIP-seq数据分析]、Call Peak阶段会生成，可以利用[IGV]等工具进行可视化，方便查看组蛋白修饰的程度。
wig文件包括染色体长度，步长多少，span多少
bw文件，bigWig是 wig文件的二进制压缩格式，可通过wigToBigWig工具转换。bw文件可以直接导入IGV。
bedGraph: bed与wig的结合，更省空间和灵活，展示信息与wig类似。

2.3 bed 文件

分析过程中的bed文件一般代表区域信息，如表示Peak位置的bed文件，表示基因注释的bed12文件。

3. 要通过阅读文献具体了解实际应用。

下文可以详读。
Pedro Rosmaninho et al, Zeb1 potentiates genome‐wide gene transcription with Lef1 to promote glioblastoma cell invasion, The EMBO Journal (2018). DOI: 10.15252/embj.201797115

4.所需软件

4.1 如果NCBI网上下载的数据需要sra-tools。sra文件可以把fq文件压缩6-7倍，3G的fq可以压到500M哦。

4.2 如果下机数据需要fastqc，multiqc，trim_galore得到干净的reads。

4.3reads进行比对用到bowtie，bowtie2，bwa都可以。

4.4 找peak 用MACS2，homer可以做注释。找peak也可以用R 包（ChIPseeker）

4.5 文件转换deeptools

4.6注释可以用R包（ChIPpeakAnno）。注意：R包大小写不能错哦。

4.7meme用来找motif