组蛋白数据的CHIP分析有哪些特殊之处，尤其是参数的设置。

transposon

大家好：

    我最近在处理组蛋白H3K4me3的CHIP-seq数据。组蛋白的CHIP数据分析有什么特殊之处吗？因为我之前使用MACS软件分析过转录因子的CHIP-seq数据，那么组蛋白的分析参数会与转录因子有什么不同之处吗？

    非常期望大家的指教啊。

基迪奥-周煌凯

       目前CHIP的peak检测，我们公司用的软件是MACS，这个软件也是这个领域使用比较广的软件。以下是关于这个软件和参数的一些资料。

（1）一些参考文档：

       关于这个软件的参数，我推荐Plob的这篇文章：

       http://www.plob.org/2014/05/08/7227.html

       这篇文章非常详细介绍了MACS的使用方法和要注意的参数。

（2）方法学文章

       如果关注更多细节，可以阅读这篇MACS的方法学文章：

       Zhang, Yong, et al. "Model-basedanalysis of ChIP-Seq (MACS)." Genome biology 9.9 (2008): R137.

（3）参考的protocol

     Nature protocol 有篇这个流程使用的文章（见附件,可下载），你也可以参考下。

      Feng, Jianxing, et al. "IdentifyingChIP-seq enrichment using MACS." Nature protocols 7.9 (2012): 1728-1740..

       这篇文章值得详细阅读一下。这篇文章使用三种CHIP数据进行测试性分析，并强调了对应三种数据所需的分析参数的不同。如果你理解了这篇文章，大部分CHIP数据的检测应该没有问题了。

       这三种CHIP类型分别是：转录组因子FoxA1（经典的转录因子）、组蛋白H3K4me3（有较强的富集信号，但一般在局部富集），H3K36me3（广泛富集，但富集信号较弱）

       简要说来，在默认设置下，MACS的这个软件是通过判断某个区域的测序深度是否高于周边（如果没有input对照）或高于input对照。如果yes，说明这个区域存在信号峰（peak）, 那么说明这个区域有蛋白结合对。但软件一般要先预估峰的宽度，以及由此找到峰的中心。如果是转录因子，使用双峰模型预估是没有问题的。但如果是组蛋白，一般peak可能很宽。因为转录因子结合是离散结合的，一般峰很窄。但如果组蛋白，连续几Kb或几十kb持续修饰是完全可能的。那么使用Macs的双峰模型，估算这个值就容易出错。所以，有两个参数要特殊注意：

       1）预设峰跨度

       –nomodel –shiftsize=73bp

       如果是组蛋白数据，那么就放弃让软件去预估峰宽。所以声明：nomodel。而1个核小体的对应的DNA长度是146bp，所以组蛋白结合信号的最小距离单位也是146bp（146bp才可能出现一次），那么将shiftsize设定为这个长度的一半就ok了。

       2）显著性的P value。

       Macs的默认P value是 10E-5。但这个值应该根据实际情况调整。例如H3K36me3的富集信号较弱，显著性显然没有转录组因子那么强。所以在Nature protocol 那篇文章中，使用的P value 阈值是10E-3。在执行实际项目的时候，我们也发现对于某些转录组因子分子伴侣蛋白的CHIP数据（记住，这些蛋白是先与转录因子结合，而不是直接结合DNA），由于其结合能力较为弱，所以peak的显著性也比较弱，使用 10E-5 是不合理的。那么选用多大的参数合理呢？ 可以查阅文献，看看是否有哪些promoter是已经报道这个蛋白可以结合的。然后查看这些已知可结合的promoter的结合强度（p value）。根据这些已知信息，来制定P value的阈值过滤标准，是更加合理的。

       就这些了，希望这些解释对你有帮助。

基迪奥-周煌凯

你这个问题比较系统，我需要整理一下再回答你的问题。

阿福

不明觉厉！

基迪奥--刘倩

坐等周老师整理结果

doctor125

学习了，好东西

hfaslan

hgwg12@163.com

学习学习

hfaslan

glzz_2009

非常感谢，这个问题也一直没搞明白，今天学习了不少

yangtaotj

周老师什么都懂，膜拜！

漫漫长路

学习了

yuanyi

学习了

xixin