使用homer进行peak注释

欢迎关注”生信修炼手册”!

homer软件集成了许多的功能，包括peak calling, peak注释，motif分析等等，通过这一个软件，就可以完成chip_seq的绝大部分分析内容，不可谓不强大。本文主要介绍这个软件进行peak注释的用法。

在homer中通过annotatePeaks.pl这个脚本进行peak的注释，分为以下两步

1. 准备参考基因组的注释信息

homer内置了许多物种的注释信息供我们下载，通过以下命令可以查看所有内置的物种

perl configureHomer.pl --list

其中GENOMES部分对应的就是内置支持的物种，部分内容展示如下

GENOMES
v5.10   hg19    v6.0    human genome and annotation for UCSC hg19
+       mm10    v6.0    mouse genome and annotation for UCSC mm10
-       sacCer3 v6.0    yeast genome and annotation for UCSC sacCer3
-       panTro5 v6.0    human genome and annotation for UCSC panTro5

以hg19为例，下载方式如下

perl configureHomer.pl  -install hg19

下载的信息保存在homer安装目录的data目录下，以hg19为例，在data/genome/hg19目录下，文件列表如下

├── chr1.fa
├── chr2.fa
├── chr3.fa
├── ...fa
├── chrom.sizes
├── conservation
├── hg19.annotation
├── hg19.aug
├── hg19.basic.annotation
├── hg19.full.annotation
├── hg19.miRNA
├── hg19.repeats
├── hg19.rna
├── hg19.splice3p
├── hg19.splice5p
├── hg19.stop
├── hg19.tss
├── hg19.tts
└── preparsed

包含了参考基因组的fasta序列以及不同区域的区间文件。
hg19.basic.annotation内容如下

Intergenic      chr1    1       10873   +       N       1900000000
promoter-TSS (NR_046018)        chr1    10874   11974   +       P       1
non-coding (NR_046018, exon 1 of 3)     chr1    11975   12227   +       pseudo  125025
intron (NR_046018, intron 1 of 2)       chr1    12228   12612   +       I       810684
non-coding (NR_046018, exon 2 of 3)     chr1    12613   12721   +       pseudo  125026
intron (NR_046018, intron 2 of 2)       chr1    12722   13220   +       I       810684
non-coding (NR_046018, exon 3 of 3)     chr1    13221   13361   +       pseudo  125027

同时在data/accession目录下，还有参考基因组对应的基因注释文件。
human2gene.tsv记录了基因的ubigene id, gene symbol等信息，内容如下所示

ADE73044        3107    Hs.656020       NM_002117       ENSG00000204525         HLA-C
ENSG00000113163 10087   Hs.270437       NM_005713       ENSG00000113163         COL4A3BP
DB065460        9947    Hs.132194       NM_005462       ENSG00000155495         MAGEC1
ENSP00000282466 285313  Hs.58561        NM_178822       ENSG00000152580         IGSF10
DB029361        22849   Hs.131683       NM_014912       ENSG00000107864         CPEB3
XP_016877211    87      Hs.235750       NM_001102       ENSG00000072110         ACTN1
EAW77897        56965   Hs.270244       NM_020213       ENSG00000137817         PARP6

human.description记录表了基因的功能描述，类别等信息，示意如下

2. 进行注释

用法如下

annotatePeaks.pl peak.bed hg19 > peak.annotation.xls

第一个参数为peak的bed文件，第二个参数为参考基因组的名称。输出结果如下所示

注释的内容包含两个部分，第一部分是距离peak区间最近的转录起始位点TSS，第二部分是对peak在基因组区域的分布，比如TSS,TTS,3’UTR,5’UTR等区域。

·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！