“Super-enhancer神器“ROSE安装及教程

好像又好久好久没更新了。这周师兄给我的任务就是找super enhancer。那最出名的工具就是Richard A.Young实验室开发的ROSE：RANK ORDERING OF SUPER ENHANCERS了。我花了2天不到的时间大概摸清了这个工具如何使用。鉴于当时google的资料太少，所以决定结合大神的资料自己也写一下。

 一、安装

 ROSE依赖软件有：Python 2.7.3, R 2.15.3, 和 SAMtools 0.1.18，因此在安装ROSE前，首先确保服务器上安装了这三个工具

wget https://bitbucket.org/young_computation/rose/get/1a9bb86b5464.zip

unzip young_computation-rose-1a9bb86b5464.zip

解压后文件见下图，可以直接调用python *.py工具

二、使用

其中最重要的一个就是ROSE_main.py，用于寻找增强子。

python ROSE_main.py -g GENOME_BUILD -i INPUT_CONSTITUENT_GFF -r RANKING_BAM -o OUTPUT_DIRECTORY

[optional: -s STITCHING_DISTANCE -t TSS_EXCLUSION_ZONE_SIZE -c CONTROL_BAM]

 

# 参数解释

-g  hg18、hg19、mm8、mm9或mm10，用于构建UCSC参考基因组

-i  输入gff文件，一般为使用MACS鉴定得到的富集区域

-r  排序后的bam文件，同时需为bam添加index

-o  输出文件目录

 

#可选参数

-s  STITCHING_DISTANCE，合并两个region的最大距离，默认值为12.5kb

-t  TSS_EXCLUSION_ZONE_SIZE，排除TSS区域大小，排除与TSS前后某距离内的区域，以排除启动子偏差（默认值：0;推荐值：2500）。如果设置该值为0，将不会查找基因。

-c  CONTROL_BAM，control样本的bam文件

 

#输入文件格式要求：

bam文件格式要求：需要排序和构建index（samtools可以操作），bam文件的染色体id需要以chr开头。

gff文件格式很重要，因为这个吃了亏，半天时间花在了找bug上，甚至去改源代码找bug（论学好python的重要性）。

gff文件格式要求：gff文件必须有以下列

1.染色体位置（chr#）

2.每个增强子区域的特定id

4.区域起始位置

5.区域终止位置

7.正负链信息（+, -, .）

ROSE也有转换bam为gff的工具，在运行ROSE_mian.py 时，会调用ROSE_bamToGFF.py。不过我没用，直接通过bed文件自己做的gff文件。

下面这个是重点重点，敲黑板！如果报错一定要仔细看这个文件夹!!!

附上一个例子文件夹，有示例输入文件和运行代码以及输出文件。由于bam文件有点大，就不上传了。尤其是gff文件列与列之间的tab键个数一定要数清楚，不然会犯我出现的错误。简单说下，文件列为：chrom,id,[blank],start,end,[blank],[.],[blank],id,具体见例子。

链接：https://pan.baidu.com/s/1YI-ZmYBJlt9DXIH5wf0W7Q

提取码：t0us

复制这段内容后打开百度网盘手机App，操作更方便哦

 

#ROSE_main.py运行实例

python ROSE_main.py -g hg19 -i ./data/H3K27ac.new.gff -r ./data/ENCFF063OFD.sort.bam -c ./data/control.sort.bam -o example -s 12500 -t 2500

 

#输出文件如下：

1.**OUTPUT_DIRECTORY/gff/*.gtf 该文件为输入gtf文件的副本；

2.**OUTPUT_DIRECTORY/gff/*STITCHED*.gtf 该文件为通过在STITCHING_DISTANCE将INPUT_CONSTITUENT_GFF拼接在一起创建的gff文件；文件列数如下：

chrom, name, [blank], start, end, [blank], [blank], strand, [blank], [blank], name

其中 name 字段的命名方式为：拼接起来的区域数+最左端区域ID。

3.**OUTPUT_DIRECTORY/mappedGFF/*_MAPPED.gff 每个bam文件通过bamToGFF的输出文件，包含以下列：

（成分ID，测试区域，平均读取密度（单位为每百万位元每百万映射的单位读数密度））

4.**OUTPUT_DIRECTORY/mappedGFF/* _STITCHED * _MAPPED.gff 每个bam文件通过bamToGFF的输出文件，该文件中对增强子区域进行了拼接，包含以下列：

（拼接增强子ID，测试区域，平均读取密度（单位为百万映射每单位拼接增强子数））

5.**OUTPUT_DIRECTORY/STITCHED_ENHANCER_REGION_MAP.txt bamToGFF计算后得到的拼接增强子密度文件，包含以下列：

（拼接增强子ID，染色体，拼接增强子起始位置，拼接增强子末端位置，拼接数，BAM信号等级，BAM信号）

6..**OUTPUT_DIRECTORY/*_AllEnhancers.table.txt 增强子列表，包含每个增强子的排名和是否为超级增强子，包含以下列：

（增强子ID，染色体，拼接增强子起始位点，拼接增强子末端，拼接数，拼接成分大小，BAM的信号，BAM的等级，是否为超增强子：是（1）否（0））

7.**OUTPUT_DIRECTORY/* _SuperEnhancers.table.txt 超级增强子的排名，为*_AllEnhancers.table.txt 文件的子集。包含以下列：

（拼接增强剂ID，染色体，拼接增强子起始位点，拼接增强子末端，拼接数，缝合在一起的成分的大小，RANKING_BAM的信号，RANKING_BAM的等级，超增强子的二进制（1）与典型（0））

8.**OUTPUT_DIRECTORY/*_Enhancers_withSuper.bed 可以加载到UCSC浏览器中可视化的增强子bed文件

9.**OUTPUT_DIRECTORY/*_Plot_points.png 所有增强子散点图，如下图：

 

总而言之，对我来说有用的就是两个txt文件。还有一个ROSE_geneMapper.py 用法我没用过，所以复制粘贴另一个博主的内容：

Usage: ROSE_geneMapper.py [options] -g [GENOME] -i [INPUT_ENHANCER_FILE]

# 参数解释
-i INPUT    输入ROSE_mian.py生成的enhancer table文件
-g GENOME   输入genome信息（MM9,MM8,HG18,HG19等）  
-o OUT      输出路径

# 可选参数
-l GENELIST 要过滤的基因列表
-w WINDOW   搜索基因距离，默认值为50,000bp
-f format   如果使用此参数，将保持原输入文件格式输出

ROSE_geneMapper.py 运行实例：

python $SOFT_PATH/ROSE_geneMapper.py -i $WORK_PATH/ROSE/TE7/TE7_peaks_AllEnhancers.table.txt \
-g HG38 -o $WORK_PATH/ROSE/TE7 2>$LOG_PATH/TE7_enhancer_anno.log

输出文件如下： 
1.**OUTPUT_DIRECTORY/*ENHANCER_TO_GENE.txt enhancer重叠基因、附近基因以及最近的基因列表

2.**OUTPUT_DIRECTORY/*GENE_TO_ENHANCER.txt 以每个基因为列名的和其相关的增强子位置信息列表

得到这两个表格即可对基因进行筛选然后进行GO及KEGG分析等。
--------------------- 
作者：寂桐 
来源：CSDN 
原文：https://blog.csdn.net/oxygenjing/article/details/77862115 
版权声明：本文为博主原创文章，转载请附上博文链接！

工具开发者网站：http://younglab.wi.mit.edu/super_enhancer_code.html

以上很多内容来自于上面那位大大，也多亏了实验室的指导说明。非常感谢他们辣！

下两个博客打算写两个这段时间一直用的工具GAT和SICER。