前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >chip_seq质量评估之coverage分析

chip_seq质量评估之coverage分析

作者头像
生信修炼手册
发布2019-12-19 15:26:35
9110
发布2019-12-19 15:26:35
举报
文章被收录于专栏:生信修炼手册

欢迎关注”生信修炼手册”!

peak calling的核心是比较input和抗体处理样本基因组区域测序深度分布的差异,所以样本的测序深度分布可以作为质控的一个标准,本文介绍如何通过deeptools来绘制样本测序深度分布图。

通过plotCoverage命令,可以绘制样本测序深度的分布,由于测序量较大,为看节省运行时间,默认随机抽取10M的reads,来计算测序深度的分布,基本用法如下

代码语言:javascript
复制
plotCoverage \
-b H3K4Me1.bam H3K4Me3.bam H3K27Me3.bam H3K9Me3.bam
--plotFile example_coverage \
-n 1000000 \
--plotTitle "example_coverage" \
--outRawCounts coverage.tab \
--ignoreDuplicates \
--minMappingQuality 10

输出结果示意如下

左侧是测序深度频率分布图,右侧是大于该测序深度的频率分布图, 以H3K4Me1这个样本为例,左侧图中横坐标为2的位置,对应纵坐标约为0.05,说明测序深度为2的区域包含了5%的reads,右侧图中横坐标为2的位置,对应的纵坐标约为0.15, 说明在基因组上有15%的区域测序深度都大于等于2。

这种频率分布图单个样本实际上意义不大,主要是通过多个样本的比较,查看是否有某个样本和其他样本差距很大,从而判断离群值样本。

·end·

—如果喜欢,快分享给你的朋友们吧—

扫描关注微信号,更多精彩内容等着你!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-03-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信修炼手册 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档