HiC数据分析

标签:
hic |
分类: bioinformatics |
软件安装:
主要是编辑系统文件:
PREFIX = /gpfs02/home/jingjing/software/HiC-Pro-master
BOWTIE2_PATH = /gpfs01/software/bio/bowtie2-2.2.4
SAMTOOLS_PATH = /gpfs01/software/bio/samtools-1.7
R_PATH = /gpfs02/software/general/R-3.5.0/bin
PYTHON_PATH = ~/miniconda2/bin/
CLUSTER_SYS = LSF
安装:
make configure
make install
软件使用:
https://yiqixie.com/d/loadimage?id=-7922940130979783570
其实思路大概包含以下几步:
比对,过滤,挑选,建立contract map,然后做normalization
优点:
1. 在处理比对结果的时候加入了并行化,其实是抄概念,就是分割比对结果,多核处理。
2. 在处理reads的时候,多处理了一部分junction reads的情况。
3. 在存储最终结果的时候采用了sparse 矩阵来降低存储需求。
4. 多了一个点 就是 处理SNP分成父母本的情况。
运行:
1. 准备index文件
bowtie2-build 1.fa,2.fa,...,MT.fa human_GRCh37
2. 准备annotation文件
主要有两个:
第一个是:HindIII_resfrag_hg19.bed
生成
python /gpfs01/software/bio/HiC-Pro-2.11.0/HiC-Pro_2.11.1/bin/utils/digest_genome.py -r hindiii -o HindIII_resfrag_hg19.bed /gpfs02/home/jingjing/software/hicup_v0.7.1/test_dataset/genome/all.fa
第二个是基因组每个常染色体长度文件,chrom_hg19.sizes
这个主要通过:java compute_lenght_scaffold all.fa chrom_hg19.sizes
https://yiqixie.com/d/loadimage?id=-5450699779765260981
3. 编辑配置文件
https://yiqixie.com/d/loadimage?id=7088495360904959999
https://yiqixie.com/d/loadimage?id=6174709079150370016
主要需要编辑的地方:
1):index的位置
2):index的名字
3):genome size文件
4):genome fragment文件
4. 运行HiC-pro
/gpfs01/software/bio/HiC-Pro-2.11.0/HiC-Pro_2.11.1/bin/HiC-Pro -i
test_data/ -o HiC-Pro_testop_2.11.1_all -c config_test_latest.txt
https://yiqixie.com/d/loadimage?id=-2753044411908684459
运行过程中的进度都会显示。
5. 并行化运行
运行结束会分别生成两部的脚本文件:
6. 结果解读
1)
trimmed read mapping: 是指把一些本来unaligned的reads去掉一些头和尾重新比对,这一部分主要面向junction reads
https://yiqixie.com/d/loadimage?id=-8883964820692463199
2)reads pair对之间比对结果
这个主要是看pair的比对信息。
https://yiqixie.com/d/loadimage?id=8820168171857113056
3) 过滤不合适的interaction pair比例
过滤掉的read pair有:dumpled pair, self-cycle pair,single end,dangling end....
https://yiqixie.com/d/loadimage?id=-240651085411551101
4) 用的read pair的分布情况
主要分成:cis和trans。cis包含短的和长的距离。以及距离的分布
https://yiqixie.com/d/loadimage?id=6984581334982123604
https://yiqixie.com/d/loadimage?id=-4105646298717722634
5)关联矩阵
HiC-pro默认输出是sparse 矩阵的格式,首先需要一个bed文件定义chromosome的位置,以及bin的ID:
https://yiqixie.com/d/loadimage?id=-2059373371010146449
在matirx中,显示interaction的强度,前两个分别是bin的ID。
https://yiqixie.com/d/loadimage?id=-6944318325205299541
iced中存储normalization之后的结果。