技术服务描述

1. 差异Peak计算

1.1. 背景简介

为了理解细胞中更为复杂的生物过程，许多研究已在通过比较ChIP-seq的差异获得的不同数据。

越来越多的ChIP-seq实验正在研究多种实验条件（例如各种治疗条件，几个不同的时间点和不同的治疗剂量水平）下的转录因子结合。由于差异富集在生物学和医学研究中已变得具有实际重要性，因此已有更多工具可用于此类分析。

每种工具的工作方式互不相同，但总体目标相同。您选择的一个将归结为您正在使用的数据集以及您的生物学问题。要考虑的一些事情： - 用户需要什么输入？一些工具需要通过外部峰调用算法对富集区域进行初步检测，而其他工具则实现了自己的检测方法。 - 该工具是否有助于在每个样本组中使用重复样本？ - 用于信号分配的基础统计模型是什么？它是基于泊松分布还是基于更灵活的负二项式分布。 - 已经针对特定的ChIP-seq数据（信号类型）专门设计了一些工具，例如组蛋白修饰或转录因子（TF）结合。

对于有两个重复的样本，最好使用DiffBind之类的工具来利用这些重复项。

1.1. DiffBind

DiffBind是一种R Bioconductor软件包，用于识别两个或多个样品组之间差异富集的位点。 它主要与峰调用集（“峰集”）配合使用，这是代表每个样品的候选蛋白质结合位点的基因组间隔集。它包括支持峰集处理的功能，包括在整个数据集中重叠和合并峰集，对峰集中重叠间隔中的测序读数进行计数，并根据结合亲和力的证据在统计学上显着鉴定差异结合位点（通过读数差异来衡量）密度）。

1.2. DiffBind的基本计算步骤介绍

1.2.1. 阅读峰集

第一步是读取一组峰集和关联的元数据。这是使用样本表完成的。读入峰集后，合并功能会找到所有重叠的峰，并得出覆盖所有提供的峰的单组独特的基因组间隔（实验的共识峰集）。如果一个区域出现在两个以上的样本中，则认为该区域为共识集。该共有集代表将在进一步分析中使用的候选结合位点的总体集。

简言之：寻找两组对比样本中的共有Peak区域。

1.2.2. 亲和力结合矩阵

下一步是获取比对文件，并为共识集中的每个峰/区域计算计数信息。在此步骤中，对于每个共有区域，DiffBind会获取ChIP样本和输入样本中对齐的读取数，以计算每个潜在结合位点上每个样本的标准化读取数。共识峰集中的峰可以基于计算其峰顶（最大读取重叠点）进行重新居中和修整，以提供更标准的峰间隔。

1.2.3. 探索性数据分析

1.2.3.1. Peak共有位点相关性分析

为了了解样本之间的聚类程度，我们使用所有共有位点绘制PCA图，相关性热图

1.2.3.2. 差异分析

DiffBind的核心功能是差异结合亲和力分析，该功能可识别出在样品组之间统计学上显着差异结合的结合位点。默认情况下，使用DESeq2执行核心分析例程，并且还可以选择使用edgeR。每个工具将为每个候选结合位点分配一个p值和FDR，以表明它们被差分结合的置信度。

1.2.3.2.1. 差异Peak的相关性分析

为了了解样本之间的差异Peak计算结果的重复性，我们使用所有差异分析结果绘制PCA图，相关性热图

MA图

差异Peak一种可视化方法。

箱型图

显示在样品中表现出增加的亲和力的差异结合位点中的reads分布。

结果

表头说明 【 之前给的分析报告里面有，待抄过来 】

Demo

1.1.chip/DiffBind/Demo_analysis/