使用SICER进行peak calling

欢迎关注”生信修炼手册”!

chip_seq数据中peak的长度范围跨度较大，既有覆盖几个核小体的几百bp的peak, 也有包含多个基因长度在上千kb的peak。比如H3K4me2和H3K4me3这两种组蛋白修饰中peak在几百bp左右, 而H3K27me3中则为长度在几十到几百kb之间。组蛋白修饰中peak长度跨度大，弱信号分散都特点，使得基于转录因子TF结合位点的peak calling软件在分析这类数据时准确度较差。

SICER是一款专门针对组蛋白修饰的chip数据进行peak calling的软件，核心思想也是基于滑动窗口和局部泊松分布的方式来识别富集区域，下图所示为该软件用默认参数识别到的H3K27me3的peak区域

黑色区域为ENCODE分析得到的peak区域，红色区域为SICER分析得到的peak区域。该软件官网如下

https://home.gwu.edu/~wpeng/Software.htm

为例方便使用，有人对该软件进行了分装，使用起来更加方便，源代码托管在github上，网址如下

https://github.com/dariober/SICERpy

基本用法如下

python SICERpy \
-c input.bam \
-w 200 \
-g 3 \
-t ip.bam \
> peak.bed

-w参数表示滑动窗口的大小，默认值为200。数值越小， 识别到的peak区间长度相对越短且越分散；数值越大，会造成过渡拟合，识别到的peak区间过长，丢失掉真实的信息，示意如下

对于转录因子，官方推荐滑动窗口设置为50-100bp， 对于组蛋白修饰，推荐设置为200bp。

-g参数代表gap的大小，默认值为3。和windows size类似，该参数也直接影响peak区间的定义，示意如下

对于转录因子，官方推荐该数值和滑动窗口数值保持相同；对于组蛋白修饰，推荐值为3。

输出文件为bed格式，共8列，每列含义如下

1. chrom
2. start
3. end
4. chip read count
5. input read count
6. pvalue
7. fold_enrichment
8. fdr

可以最后一列的fdr值，来筛选得到高可信度的peak信息，用法如下

awk '$8 < 0.01' peaks.bed > peaks.01.bed

·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！