申请认证 退出

您的申请提交成功

确定 取消

ChIP-seq结果绘图经典R包-ChIPseeker

2021-03-01   作图丫
我行我show!中国医院管理案例评选,医院卓越管理实践大秀场。点击查看


 
背景介绍




今天小编给大家带来的是ChIP-seq数据分析中必备的R包--ChIPseeker的使用解读!首先来简单介绍一下什么是ChIP-seq:
染色质免疫共沉淀技术(Chromatin Immunoprecipitation,ChIP)也称结合位点分析法,是研究体内蛋白质与DNA相互作用的有力工具,通常用于  转录因子结合位点    组蛋白  特异性  修饰位点的研究。  将ChIP与第二代测序技术相结合的ChIP-Seq技术,能够高效地在全基因组范围内检测与组蛋白、  转录因子  等互作的DNA区段。
使用MACS软件通过一定的算法原理,在测序比对结果中识别出有意义的peak。ChIPseeker包的作用就是对这一步产生的peak进行注释和分析,并且进行可视化。
ChIPseeker包的另一个强大之处在于它的通用性,可以应用于多种数据的peak注释,还可以应用于lncRNA的注释。关于ChIPseeker更详细的背景介绍可以进入:
https://www.bioconductor.org/packages/release/bioc/vignettes/ChIPseeker/inst/doc/ChIPseeker.html
 
ChIPseeker的安装




ChIPseeker包可以通过bioconductor去安装(小编之前在安装的时候频繁报错,最后发现是网络问题...)







if (!requireNamespace("BiocManager", quietly = TRUE))    install.packages("BiocManager")BiocManager::install("ChIPseeker")BiocManager::install("TxDb.Hsapiens.UCSC.hg38.knownGene") library(ChIPseeker)#加载人基因组注释包require(TxDb.Hsapiens.UCSC.hg38.knownGene)
 
ChIPseeker的使用




01  
数据读取  

在这里我们依然用ChIPseeker包中自带的数据去做实例








files <- getSampleFiles()files##读取peakpeak <- readPeakFile(files[[1]])#使用getPromoters函数,确定上下游,准备好窗口pro <- getPromoters(TxDb=txdb,upstream=3000, downstream=3000)#getTagMatrix函数,把peak比对到窗口,并生成矩阵tag <- getTagMatrix(peak, windows=pro)

02  
可视化部分   

首先查看peak在全基因组上的分布

covplot(files[[1]])

用tagHeatmap对窗口进行可视化,绘制热图

tagHeatmap(tag, xlim=c(-3000, 3000),color="blue")



通过plotAvgProf函数绘制峰在转录起始区域结合的平均强度 



plotAvgProf(tag, xlim=c(-3000, 3000), xlab="Genomic Region (5'->3')", ylab = "Read Count Frequency")


03  
可视化基因组注释  

为了根据基因组特征注释给定峰的位置,annotatePeak将峰分配给输出的“注释”列中的基因组注释,其中包括峰是在TSS、外显子、5’UTR、3’UTR、内含子还是基因间。



peakAnno <- annotatePeak(files[[1]], tssRegion=c(-3000, 3000), TxDb=txdb, annoDb="org.Hs.eg.db")##饼图形式plotAnnoPie(peakAnno)



plotAnnoBar(peakAnno)#柱状图形式





 

 

 

 

 
通过upsetplot函数和 vennpie交叉使用,可以实现更全面的注释结果展示



library(ggimage)library(ggupset)upsetplot(peakAnno, vennpie=TRUE)


 
小编总结




ChIPseeker作为一个功能强大表观基因组富集分析包,应用范围不局限于ChIP-seq,还可以扩展到其他各种peak的注释和lncRNA的注释,它的可视化功能也是十分强大。相信小伙伴们也对它有了更深刻的了解!
大家如果有什么想学习的可以在后台联系小编哦!慢慢给大家安排上!


基因组,绘图,注释,函数,数据

相关阅读

赞+1

您的申请提交成功

您的申请提交成功

确定 取消
海报