1。1从复制进口数据和获取重叠峰

的输入ChIPpeakAnno¹一列称为峰值识别从ChIP-seq实验或任何其他实验,产生一组染色体的坐标。尽管山峰被表示为农庄ChIPpeakAnno,其他常见的格式(如峰值床上,人造石铺地面和mac可以使用一个转换很容易转化为农庄toGRanges方法。如何使用此方法的详细信息,请输入?toGRanges。

下面的例子说明了这种方法的使用将床和人造石铺地面文件农庄,添加元数据及峰重叠农庄组织使用的功能addMetadata使用函数,想象重叠makeVennDiagram。

库(ChIPpeakAnno)床< -系统。文件(“extdata”、“MACS_output。床”,包= " ChIPpeakAnno”) gr1一起< - toGRanges(床,格式=“床”,头= FALSE) # #一个也可以尝试从rtracklayer进口人造石铺地面< -系统。文件(“extdata”、“GFF_peaks。人造石铺地面”,包= " ChIPpeakAnno”) gr2 <——toGRanges(人造石铺地面,格式=“人造石铺地面”,标题= FALSE,跳过= 3)# #必须保持类gr1一起分美元完全一样,即,数字。gr2得分< - as.numeric (gr2得分美元)ol < - findOverlapsOfPeaks (gr1一起,gr2) # #添加元数据(平均分数)的重叠峰ol < - addMetadata (ol, colNames =“分数”,有趣=意味着)ol peaklist美元[[“gr1一起/ / / gr2”]] [1:2]

# #农庄对象与范围和2元数据列:# # seqnames范围链| # # < Rle > < IRanges > < Rle > | # # [1] chr1 (713791、715578) * | # # [2] chr1 (724851、727191) * | # # peakNames得分# # < CharacterList > <数字> # # [1]gr1__MACS_peak_13, gr2__region_0, gr2__region_1 850.2033 # # [2] gr2__region_2, gr1__MACS_peak_14 29.1700 # # - - - - - - - # # seqinfo: 1从一个未指明的基因组序列;没有seqlengths

makeVennDiagram (ol)

# # $ p。值# # gr1一起gr2 pval # # [1] vennCounts美元1 1 0 # # # # # # gr1一起gr2计数# # [1]0 0 0 # # [2]0 1 61 # # [3]1 0 62 # # [4]1 1 166 # # attr(,“类”)# # [1]“vennCounts”

1。2准备注释数据

注释数据应该农庄的一个对象。进口山峰一样,我们使用的方法toGRanges可以返回一个对象的农庄,代表注释数据。一个注释数据不仅是由床上,人造石铺地面或用户定义的可读的文本文件,但是也EnsDb或TxDb对象,通过调用toGRanges方法。请输入?toGRanges为更多的信息。

库(EnsDb.Hsapiens.v75) # # # # (hg19)创建注释文件从EnsDb或TxDb annoData < - toGRanges (EnsDb.Hsapiens。v75特性=“基因”)annoData [1:2]

1与2 # #农庄对象范围和元数据列:# # seqnames范围链| gene_name # # < Rle > < IRanges > < Rle > | <人物> # # ENSG00000223972 chr1 (11869、14412) + | DDX11L1 # # ENSG00000227232 chr1 (14363、29806) - | WASH7P # # - - - - - - - # # seqinfo: 273年从GRCh37基因组序列

1。3可视化结合位点分布相对于功能

发现重叠峰之后,重叠峰的距离分布的转录起始点的最近的特性如(TSS)可以绘制binOverFeature函数。这里的示例代码块周围的山峰TSS的分布。

重叠< - ol $ peaklist [[“gr1一起/ / / gr2”]] binOverFeature(重叠,annotationData = annoData半径= 5000,nbins = 20,有趣=长度,errFun = 0, ylab =“计数”,主要=“聚合峰值分布的数字TSS”)

此外,assignChromosomeRegion可以用来总结峰值的分布在不同类型的特性,比如外显子,内含子,增强剂,近端启动子,5 ' UTR和3’UTR。这个分布可以概括中心峰值或核苷酸为中心的视图使用函数assignChromosomeRegion。请注意,一个峰值可能跨越多个类型的特性,导致了大量的注释功能大于输入峰值的总数。峰为中心的视图,优先将决定注释秩序当山峰跨越多个类型的特性。

库(TxDb.Hsapiens.UCSC.hg19.knownGene) aCR < -assignChromosomeRegion(重叠,nucleotideLevel = FALSE,优先级= c(“促进者”、“immediateDownstream”,“fiveUTRs”、“threeUTRs”,外显子,内含子),TxDb = TxDb.Hsapiens.UCSC.hg19.knownGene) barplot (aCR美元比例,拉斯维加斯= 3)

1。4注释的山峰

从聚合峰值的分布如图所示数字TSS和峰值的分布在不同的染色体区域,大部分的定位TSS达到顶峰。因此,它是合理的使用annotatePeakInBatch或annoPeaks注释Hg19基因的启动子区域的峰值。与bindingRegion发起人可以指定。下面的例子,启动子区域被定义为从500 2000年上游和下游TSS (bindingRegion = c (-2000、500))。

重叠。庵野< - annotatePeakInBatch(重叠,AnnotationData = annoData输出=“nearestBiDirectionalPromoters bindingRegion = c(-2000、500))图书馆(org.Hs.eg.db)重叠。庵野< - addGeneIDs(重叠。org.Hs.eg庵。”db”, IDs2Add = " entrez_id”)负责人(overlaps.anno)

# #农庄与6和11元数据对象列:# # seqnames范围链| # # < Rle > < IRanges > < Rle > | # # X1 chr1 (713791、715578) * | # # X1 chr1 (713791、715578) * | # # X3 chr1 (839467、840090) * | # # X4 chr1 (856361、856999) * | # # X5 chr1 (859315、860144) * | # # X10 chr1 (901118、902861) * | # # peakNames分数峰值# # < CharacterList > <数字> <人物> # # X1 gr1__MACS_peak_13, gr2__region_0, gr2__region_1 850.2033 X1 # # X1 gr1__MACS_peak_13 gr2__region_0, gr2__region_1 850.2033 X1 # # X3 gr1__MACS_peak_16 gr2__region_3 73.1200 X3 # # X4 gr1__MACS_peak_17 gr2__region_4 54.6900 X4 # # X5 gr2__region_5 gr1__MACS_peak_18 81.4850 X5 # # X10 gr2__region_11 gr1__MACS_peak_23 119.9100 X10 # #功能特性。范围的功能。链距离# # <人物> < IRanges > < Rle > <整数> # # X1 ENSG00000228327 (700237、714006) - 0 # # X1 ENSG00000237491 (714150、745440) + 0 # # X3 ENSG00000272438 (840214、851356) + 123 # # X4 ENSG00000223764 (852245、856396) - 0 # # X5 ENSG00000187634 (860260、879955) + 115 # # X10 ENSG00000187583 (901877、911245) + 0 # # insideFeature distanceToSite gene_name entrez_id # # <因素> <整数> <人物> <人物> # # X1 overlapStart 0 rp11 - 206 l10.2 < NA > # # X1 overlapStart 0 rp11 - 206 l10.9 < NA > # # X3上游123 RP11-54O7.16 < NA > # # 0 X4 overlapStart RP11-54O7.3 100130417 # # X5上游115 SAMD11 148398 # # X10 overlapStart 0 PLEKHN1 84069 # # - - - - - - - # # seqinfo: 1从一个未指明的基因组序列;没有seqlengths

write.csv (as.data.frame (unname (overlaps.anno)),“anno.csv”)

常见的山峰周围的分布特性可以用一个饼图可视化。

pie1(表(overlaps.anno insideFeature美元))

1。5获得丰富的条件和途径

下面的例子展示了如何使用getEnrichedGO获得丰富的列表与注释的山峰。通路分析,请使用功能getEnrichedPATHreactome和KEGG数据库。请注意,默认情况下feature_id_type设置为“ensembl_gene_id”。如果您使用的是TxDb作为注释数据,请将其设置为“entrez_id”。

在< - getEnrichedGO(重叠。伊斯兰教纪元,orgAnn = " org.Hs.eg。db”, maxP =。05年,minGOterm = 10, multiAdjMethod =“黑洞”,浓缩= TRUE)头([[“英国石油公司”]][- c (3, 10)))

# # [1]。id。词本体# # [4]pvalue计数。InDataset计数。InGenome # # [7] totaltermInDataset totaltermInGenome EntrezID # # > < 0行(或0-length row.names)

库(reactome.db)路径< - getEnrichedPATH(重叠。org.Hs.eg庵。”db”、“reactome。db”, maxP =。05) head(path)

# #路径。id EntrezID计数。InDataset计数。InGenome pvalue # # 1 114604 5590 1 28 0.04646066 # # 2 1296041 2782 1 25 0.04158686 # # 3 1296059 2782 1 25 0.04158686 # # 4 1296059 54998 3 283 0.01261485 # # 5 1852241 55052 3 283 0.01261485 # # 6 1852241 261734 3 283 0.01261485 # # totaltermInDataset totaltermInGenome # # 111 # 65398 # 65398 # 111 # 65398 # 111 # 65398 # 111 # 65398 # 111 # 65398 # 111 # # # 1智人:道路GPVI-mediated激活级联# # 2智人:激活G蛋白封闭的钾离子通道# # 3智人:G蛋白封闭的钾离子通道# # 4智人:细胞器生物起源和维护# # 5智人:细胞器生物起源和维护# # 6智人:细胞器生物起源和维护

1。6获得山峰周围的序列

这是一个例子的序列峰值+ 20英国石油公司上游和下游的PCR验证或主题的发现。

库(BSgenome.Hsapiens.UCSC.hg19) seq < - getAllPeakSequence(重叠,上游= 20,下游= 20,基因组= Hsapiens) write2FASTA (seq,“test.fa”)

1。7输出一个总结山峰的共识

这是一个例子的z得分为短的寡核苷酸³。

# #的总结短的寡核苷酸频率< - oligoFrequency (Hsapiens chr1美元,MarkovOrder = 3)操作系统< - oligoSummary (seq, oligoLength = 6, MarkovOrder = 3, quickMotif = FALSE,频率=频率)# #情节zscore < -排序结果(os zscore美元)h < -嘘(zscore休息= 100,xlim = c(-50年,50),主要=“直方图的z分数”)文本(zscore[长度(zscore)],马克斯(h数美元)/ 10,标签=名字(zscore[长度(zscore)]), adj = 1)

# #我们也可以尝试seq.sim仿真数据。主题< -列表(c (“t”、“g”、“c”,“一个”,“t”,“g”), c (“g”、“c”、“a”,“t”,“g”、“c”)) set.seed (1) seq。sim < -酸式焦磷酸钠(样本(c(2, 1, 0), 1000年,取代= TRUE,概率= c (0.07, 0.1, 0.83), s (x){函数< -样本(c (“a”、“c”、“g”、“t”),样品(100:1000,1),取代= TRUE)如果(x > 0) {si < - sample.int(长度(s), 1)如果(si >长度(s) 6)如果< -长度(s) 6 s (si (si + 5)): < - seq.sim。主题[[x]]}粘贴(年代,崩溃= " ")}< oligoSummary (seq)操作系统。sim oligoLength = 6, MarkovOrder = 3, quickMotif = TRUE) zscore < -排序(os zscore美元,减少= TRUE) h < -嘘(zscore,减免= 100,主要=“z分数的柱状图”)文本(zscore[1:2],代表(5,2),标签=名字(zscore [1:2]), adj = 0, srt = 90)

# #生成图案库(motifStack)烤瓷< mapp(函数(。避署,id)新(烤瓷,垫=。避署,name =粘贴(“示例主题”,id)),操作系统主题美元,1:长度(操作系统主题美元))motifStack (pfm [[1]])

1。8发现和双向启动子峰

双向启动子是两个相邻的DNA区域位于TSS基因转录相反的方向和经常重新共享启动子区域⁵。这里有一个例子来找到双向启动子附近的山峰。

bdp < - peaksNearBDP(重叠、annoData maxgap = 5000) c (bdp percentPeaksWithBDP美元,bdp $ n。山峰,bdp n.peaksWithBDP美元)

# # [1]0.1084337 166.0000000 18.0000000

bdp peaksWithBDP美元[1:2]

# # GRangesList对象长度2:# # # # 1美元农庄对象2范围和11元数据列:# # seqnames范围链| # # < Rle > < IRanges > < Rle > | # # X1 chr1 (713791、715578) * | # # X1 chr1 (713791、715578) * | # # peakNames得分bdp_idx # # < CharacterList > <数字> <整数> # # X1 gr1__MACS_peak_13, gr2__region_0, gr2__region_1 850.2033 - 1 # # X1 gr1__MACS_peak_13, gr2__region_0 gr2__region_1 850.2033 1 # #峰值特征特性。范围的功能。链距离# # <人物> <人物> < IRanges > < Rle > <整数> # # X1 X1 ENSG00000228327 (700237、714006) - 0 # # X1 X1 ENSG00000237491 (714150、745440) + 0 # # insideFeature distanceToSite gene_name # # <因素> <整数> <人物> # # X1 overlapStart 0 rp11 - 206 l10.2 # # X1 overlapStart 0 rp11 - 206 l10.9 # # # # # # 4美元农庄对象2范围和11元数据列:# # seqnames范围链| peakNames # # X4 chr1 (856361、856999) * | gr1__MACS_peak_17, gr2__region_4 # # X4 chr1 (856361、856999) * | gr1__MACS_peak_17, gr2__region_4 # #得分bdp_idx峰值特征特性。范围的功能。链# # X4 54.69 - 4 X4 ENSG00000223764 (852245、856396) - 54.69 # # X4 4 X4 ENSG00000187634(860260、879955) + # #距离insideFeature distanceToSite gene_name # # X4 overlapStart 0 RP11-54O7.3 # # X4 3260上游3260 SAMD11 # # # # - - - - - - - # # seqinfo: 1从一个未指明的基因组序列;没有seqlengths

1。9发现可能与DNA相互作用数据增强剂

有几种方法可用于确定染色体的空间组织在高分辨率3 c等5 c和嗝⁶。这些技术可以搜索峰值绑定到潜在的增强器区域。这里有一个例子来找到潜在的增强器区域山峰绑定。

DNA5C < -系统。文件(“extdata”、“wgEncodeUmassDekker5CGm12878PkV2.bed。广州”,包= " ChIPpeakAnno”) DNAinteractiveData < - toGRanges (gzfile (DNA5C)) findEnhancers(重叠、annoData DNAinteractiveData)

与5 # #农庄对象范围和14元数据列:# # seqnames范围链| # # < Rle > < IRanges > < Rle > | # # X1 chr1 (151591700、151591700) * | # # X1 chr1 (151591700、151591700) * | # # X1 chr1 (151591700、151591700) * | # # X1 chr1 (151591700、151591700) * | # # X1 chr1 (151630186、151630186) * | # # peakNames得分功能# # < CharacterList > <数字> <人物> # # X1 gr2__region_228, gr1__MACS_peak_229 78.675 ENSG00000207606 # # X1 gr2__region_228, gr1__MACS_peak_229 78.675 ENSG00000143390 # # X1 gr2__region_228, gr1__MACS_peak_229 78.675 ENSG00000143376 # # X1 gr2__region_228, gr1__MACS_peak_229 78.675 ENSG00000143367 # # X1 gr2__region_229, gr1__MACS_peak_230 ENSG00000143393 # # 78.675特性。范围的功能。链feature.shift。范围# # < IRanges > < Rle > < IRanges > # # X1 (151518272、151518272) + (151594534、151594534) # # X1 (151313116、151313116) - (151595209、151595209) # # X1 (151584541、151584541) + (151500588、151500588) # # X1 (151512781、151512781) + (151595902、151595902) # # X1 (151264273、151264273) - (151594247、151594247) # # feature.shift。链距离insideFeature distanceToSite # # < Rle > <整数> <因素> <整数> X1 + 2733上游2733 # # # # X1 + 3408上游3408 # # X1上游4084 # - 4084 # X1 + 4101上游4101 # # X1 - 20上游20 # # gene_name DNAinteractive峰值。范围# # <人物> <人物> < IRanges > # # X1 MIR554 X1 (151516086、151516086) # # X1 RFX5 X1 (151309062、151309062) # # X1 SNX27 X1 (151546428、151546428) # # X1 TUFT1 X1 (151546428、151546428) # # X1 PI4KB X1 (151283079、151283079) # # DNAinteractive。块# # < IRangesList > # # X1 [19082] (76263、87025) # # X1 [13633] (283287、294049) # # X1 [6978] (72324、90099) # # X1 [6978] (72324、90099) # # X1 [5699] (335673、353448) # # - - - - - - - # # seqinfo: 1从一个未指明的基因组序列;没有seqlengths

2。1导入数据

路径< -系统。文件(“extdata”,包=“ChIPpeakAnno”)文件< - dir(路径,“broadPeak”) < -酸式焦磷酸钠(文件数据。,文件路径(路径),toGRanges格式=“broadPeak”)(数据)< - gsub(“名字。broadPeak”、“”,文件)

2。2确定有一个显著的多组之间的重叠峰

ol < - findOverlapsOfPeaks(数据,connectedPeaks =“keepAll”) averagePeakWidth < -意味着(宽度(unlist (GRangesList (ol peaklist美元))))合计< -上限(3.3 e + 9 * / averagePeakWidth / 24) 03 makeVennDiagram (ol, totalTest =合计,connectedPeaks =“keepAll”)

# # $ p。# # # # TAF值Tead4 YY1 pval [1] 0 1 1 1.000000 e + 00 # # 2.904297 [2] 1 0 1 e - 258 # # [3] 1 1 0 8.970986 e-04 vennCounts美元# # # # # # TAF Tead4 YY1数计数。TAF计数。Tead4计数。YY1 # # [1] 849 0 0 0 0 0 0 # # [2] 0 0 1 621 0 0 621 # # [3] 0 1 0 2097 0 2097 0 # # [4] 0 1 1 309 0 310 319 # # [5] 1 0 0 59 59 0 0 # # [6] 1 0 1 166 172 0 170 # # [7] 1 1 0 8 8 8 0 # # [8] 1 1 1 476 545 537 521 # # attr(,“类”)# # [1]“VennCounts”

数据(HOT.spots)数据(wgEncodeTfbsV3) hotGR < -减少(unlist (HOT.spots)) removeOl < -函数(.ele) {ol < findOverlaps (。避署,hotGR)如果(长度(ol) > 0) .ele < - .ele[独特(queryHits (ol))) .ele} TAF < - removeOl(数据[[“TAF”]]) TEAD4 < - removeOl(数据[[“TEAD4”]]) YY1 < - removeOl(数据[[“YY1”]]) #我们子集池节省演示时间set.seed (1) wgEncodeTfbsV3。< -子集wgEncodeTfbsV3 [sample.int(长度(wgEncodeTfbsV3), 2000)]池< -新(“permPool grs = GRangesList (wgEncodeTfbsV3.subset), N =长度(YY1)) pt1 < - peakPermTest (YY1 TEAD4,池=池、种子= 1,force.parallel = FALSE)情节(pt1)

pt2 < - peakPermTest (TAF YY1,池=池、种子= 1,force.parallel = FALSE)情节(pt2)

2。3可视化和绑定模式进行比较

周围的绑定模式可以可视化和比较基因组功能使用并排的热图和密度图使用绑定范围重叠峰。

功能< - ol $ peaklist[[长度(ol peaklist美元)]]功能。断裂< - reCenterPeaks(特性、宽度= 4000)# #我们还建议importData函数bioconductor trackViewer包# #导入覆盖。# # rtracklayer相比,这将节省你的时间,当处理大数据集。图书馆(rtracklayer)文件< - dir(路径,“大佬”)如果(.Platform $ OS。类型! =“窗口”){cvglists < -酸式焦磷酸钠(文件。路径(路径,文件)、导入格式=“大佬”,=功能。断裂,其他=“RleList”)} {# # rtracklayer不能导入大佬文件在Windows加载(文件。路径(路径,“cvglist.rds”))} (cvglists) <——gsub(“名字。大佬”、“”,文件)特性。中心< - reCenterPeaks(特性、宽度= 1)团体< - featureAlignedSignal (cvglists、特性。中心,上游= 2000,下游= 2000)# #因为bw文件只有一个子集的原始文件,# #每个峰的信号并不存在。保持< - rowSums (sig[[2]]) > 0团体< -酸式焦磷酸钠(团体、功能(.ele) .ele[,],简化= FALSE)特性。中心< -特性。中心(保持)的热图< - featureAlignedHeatmap(团体、特性。center, upstream=2000, downstream=2000, upper.extreme=c(3,.5,4))

sig.rowsums < -酸式焦磷酸钠(团体、rowSums na.rm = TRUE) d < -区域(sig.rowsums) hc < - hclust (d)特性。中心命令< - hc秩序的热图< -美元featureAlignedHeatmap(团体、特性。中心,上游= 2000,下游= 2000,upper.extreme = c (3、5、4), sortBy =“秩序”)

featureAlignedDistribution(团体、特性。中心,上游= 2000,下游= 2000,类型=“l”)