[Bioconductor] ChIP-seq 差異結合分析 ：DiffBind

這種下游分析的R包我糾結了很久做不做，不太方便用自己的資料。。。。所以還是直接從它的說明上擷取例子了。

先把連結放在這裡，各位大佬可以自己看：

http：//www。

bioconductor。org/packag

es/devel/bioc/vignettes/DiffBind/inst/doc/DiffBind。pdf

對

ChIP-seq

的下游分析，蛋白的差異結合很重要，在它的分析中包括兩點：結合區域（峰寬）和親和能力（峰高）。所以單純的用deseq2等差異表達工具很難實現ChIP-seq的差異結合分析，現在Bioconductor上已經推出了幾個對

差異結合分析

的工具，其中就包括DiffBind。

安裝

：

DiffBind 需要不低於3。5 版本的R

if （！requireNamespace（“BiocManager”， quietly = TRUE））

install。packages（“BiocManager”）

BiocManager：：install（“DiffBind”， version = “3。8”）

輸入資料：

DiffBind的資料輸入稍微有點麻煩，需要準備一個csv表格，裡面包括：

SampleID： 樣本ID，給你輸入的資料起個名

Tissue，Factor，Condition，Treatment：都為資料的備註，包括組織來源/

細胞系

，狀態，處理等，可不填，但是會影響後面分析的聚類。

Replicate：第幾次重複

bamReads：ChIP-seq得到的

bam檔案

ControlID：Call peak時使用的input資料的ID

bamControl：input對應的bam檔案

Peaks：峰檔案，這裡有多種資料格式可作為輸入：1。 macs2 輸出的。narrowPeak等峰檔案 2。 包括所有call peak 得到的peak位置資訊的。bed 檔案 3。 以上兩種格式得到的。gz檔案

PeakCaller：用何種方式做的peak calling

舉個例子：

DiffBind的使用

：

讀取資料

：

> tamoxifen <- dba（sampleSheet=“tamoxifen。csv”， dir=system。file（“extra”， package=“DiffBind”））

> tamoxifen

11 Samples， 2845 sites in matrix （3795 total）：

ID Tissue Factor Condition Treatment Replicate Caller Intervals

1 BT4741 BT474 ER Resistant Full-Media 1 bed 1080

2 BT4742 BT474 ER Resistant Full-Media 2 bed 1122

3 MCF71 MCF7 ER Responsive Full-Media 1 bed 1556

4 MCF72 MCF7 ER Responsive Full-Media 2 bed 1046

5 MCF73 MCF7 ER Responsive Full-Media 3 bed 1339

6 T47D1 T47D ER Responsive Full-Media 1 bed 527

7 T47D2 T47D ER Responsive Full-Media 2 bed 373

8 MCF7r1 MCF7 ER Resistant Full-Media 1 bed 1438

9 MCF7r2 MCF7 ER Resistant Full-Media 2 bed 930

10 ZR751 ZR75 ER Responsive Full-Media 1 bed 2346

11 ZR752 ZR75 ER Responsive Full-Media 2 bed 2345

資料標準化，並進行質量評估（FRiP值）：

> tamoxifen <- dba。analyze（tamoxifen）

> tamoxifen

11 Samples， 2845 sites in matrix：

ID Tissue Factor Condition Treatment Replicate Caller Intervals FRiP

1 BT4741 BT474 ER Resistant Full-Media 1 counts 2845 0。16

2 BT4742 BT474 ER Resistant Full-Media 2 counts 2845 0。15

3 MCF71 MCF7 ER Responsive Full-Media 1 counts 2845 0。27

4 MCF72 MCF7 ER Responsive Full-Media 2 counts 2845 0。17

5 MCF73 MCF7 ER Responsive Full-Media 3 counts 2845 0。23

6 T47D1 T47D ER Responsive Full-Media 1 counts 2845 0。10

7 T47D2 T47D ER Responsive Full-Media 2 counts 2845 0。06

8 MCF7r1 MCF7 ER Resistant Full-Media 1 counts 2845 0。20

9 MCF7r2 MCF7 ER Resistant Full-Media 2 counts 2845 0。13

畫個熱圖看看：

> plot（tamoxifen， contrast=1）

差異分析並提取結果：

> tamoxifen。DB <- dba。report（tamoxife）

會產生這樣一個列表：

如果想將結果輸出為表格，可以使用

write。table

將結果進行輸出：

out <- as。data。frame（tamoxifen。DB）

write。table（out， file=“tamoxifen_DB。csv”， sep=“，”， quote=F， col。names = NA）

DiffBind 可以使用deseq2和edgeR分別進行差異分析（預設使用deseq），只要在dba。report 這一步新增method引數即可：

#使用edgeR：

tamoxifen。edgeR <- dba。report（dbObj， method=DBA_EDGER）

#同時使用兩種方法：

tamoxifen。deseq <- dba。report（dbObj， method=method=DBA_ALL_METHODS）

DiffBind還可以根據資料的註釋做一些分析：

PCA：

> dba。plotPCA（tamoxifen， contrast=1，label=DBA_TISSUE）

火山圖：

> dba。plotVolcano（tamoxifen）

箱型圖：

> pvals <- dba。plotBox（tamoxifen）

基本上就是這些，看說明書還是很簡單的！