使用SICER进行peak calling

作者: 生信修炼手册 | 来源:发表于2019-07-16 14:18 被阅读11次

    欢迎关注”生信修炼手册”!

    chip_seq数据中peak的长度范围跨度较大,既有覆盖几个核小体的几百bp的peak, 也有包含多个基因长度在上千kb的peak。比如H3K4me2和H3K4me3这两种组蛋白修饰中peak在几百bp左右, 而H3K27me3中则为长度在几十到几百kb之间。组蛋白修饰中peak长度跨度大,弱信号分散都特点,使得基于转录因子TF结合位点的peak calling软件在分析这类数据时准确度较差。

    SICER是一款专门针对组蛋白修饰的chip数据进行peak calling的软件,核心思想也是基于滑动窗口和局部泊松分布的方式来识别富集区域,下图所示为该软件用默认参数识别到的H3K27me3的peak区域

    黑色区域为ENCODE分析得到的peak区域,红色区域为SICER分析得到的peak区域。该软件官网如下

    https://home.gwu.edu/~wpeng/Software.htm

    为例方便使用,有人对该软件进行了分装,使用起来更加方便,源代码托管在github上,网址如下

    https://github.com/dariober/SICERpy

    基本用法如下

    python SICERpy \
    -c input.bam \
    -w 200 \
    -g 3 \
    -t ip.bam \
    > peak.bed

    -w参数表示滑动窗口的大小,默认值为200。数值越小, 识别到的peak区间长度相对越短且越分散;数值越大,会造成过渡拟合,识别到的peak区间过长,丢失掉真实的信息,示意如下

    对于转录因子,官方推荐滑动窗口设置为50-100bp, 对于组蛋白修饰,推荐设置为200bp。

    -g参数代表gap的大小,默认值为3。和windows size类似,该参数也直接影响peak区间的定义,示意如下

    对于转录因子,官方推荐该数值和滑动窗口数值保持相同;对于组蛋白修饰,推荐值为3。

    输出文件为bed格式,共8列,每列含义如下

    1. chrom

    2. start

    3. end

    4. chip read count

    5. input read count

    6. pvalue

    7. fold_enrichment

    8. fdr

    可以最后一列的fdr值,来筛选得到高可信度的peak信息,用法如下

    awk '$8 < 0.01' peaks.bed > peaks.01.bed

    ·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!

    相关文章

      网友评论

        本文标题:使用SICER进行peak calling

        本文链接:https://www.haomeiwen.com/subject/ssttlctx.html