如何使用deeptools查看reads分布特征

這篇文章主要介紹“如何使用deeptools查看reads分布特征”，在日常操作中，相信很多人在如何使用deeptools查看reads分布特征問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何使用deeptools查看reads分布特征”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

在chip_seq數據分析中，通常會對peak區域在基因組上的分布進行探究，查看其分布是否存在規律，比如是否在轉錄起始位點，或者轉錄終止位點附近存在富集，此時我們可以通過deeptools這個工具來實現。

首先通過computeMatrix這個命令，可以計算基因組區域上的分布，分成以下兩種模式

1. scale-regions

2. reference-point

   
   

第一種模式代表一個區間，包含了起始和終止位置，第二種模式代表的是某一個位點，比如轉錄起始位點。對于這兩個模式的區別，官網給出了很好的解釋，示意如下

將所有的區域劃分為等長的區間稱之為bin, 然后計算每個bin內所有位點的測序深度，默認用所有位點測序深度的平均值來代表這個區間。通過這個命令計算得到中間結果文件之后，可以使用以下兩個命令進行可視化

1. plotProfile

2. plotHeatmap

   
   

下面展示一個實際的例子，從bam文件開始，得到最終的可視化結果

1. 將bam文件轉換為bigwig文件

通過bamCoverage命令，可以將bam文件轉換為bigwig文件，用法如下

bamCoverage -b input.bam -o input.bw

2. 運行computeMatrix

這個命令有scale-regions和reference-points兩種模式，這里以第二種為例進行展示，用法如下

computeMatrix reference-points \
-S inpnut.bw \
-R hg19.bed \
--binSize 10 \
--skipZeros \
-a 3000 \
-b 3000 \
-o matrix.gz \
--outFileNameMatrix  matrix.tab

在輸出的tab文件中，每一行代表一個轉錄本，和輸入的bed文件中的轉錄本個數一致，每一列代表bin區間內的平均測序深度，列數的多少和區間的長度以及bin_sizz有關。在上面這個例子中，選擇上下游各3kb的區間，bin大小為10bp, 所以總共有3000X2/10, 即600個區間。

在可視化時，區間個數越多，畫出來的折線圖會相對平滑，所以可以適當調整bin的大小，使畫出來的圖更加美觀。

3. plotProfile

用法如下

plotProfile -m matrix.gz \
-out profile.pdf

生成的結果如下

4. plotHeatmap

用法如下

plotHeatmap -m matrix.gz -o  heatmap.pdf

生成的結果分成了兩部分，第一部分和plotProfile的結果相同，第二部分是一個熱圖，示意如下

就是將生成的tab文件中的內容繪制了一個熱圖，以上展示的都是基本用法，除此之外，還有很多的參數可以調整，繪制出更加美觀的圖片。

到此，關于“如何使用deeptools查看reads分布特征”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！