macs2的参数和使用

MACS2（Model-based Analysis for ChIP-Seq）是一个用于处理 ChIP-seq 数据并识别富集区域（即 peaks）的工具。MACS2 通过使用统计模型来区分信号与背景噪声，帮助用户在基因组中找到蛋白质-DNA相互作用的富集区域。

一、安装 MACS2：

你可以通过以下命令安装 MACS2：

# 使用 conda 安装 MACS2
conda install -c bioconda macs2

# 或者使用 pip 安装
pip install MACS2

二、MACS2 callpeak 参数详解：

macs2 callpeak -t <treatment.bam> -c <control.bam> -f BAM -g hs -n <name> --outdir <output_directory> [其他参数]

三、关键参数解释：

• -t / --treatment: 必选。输入 ChIP 样本文件（如 BAM、SAM 或 BED 文件）。
• -c / --control: 可选。输入对照样本文件（如 Input 控制），可以是 BAM、SAM 或 BED 文件。
• -f / --format: 输入文件格式，常用格式包括 BAM、BED、SAM。默认为自动检测。
• -g / --gsize: 基因组大小。常用的基因组大小参数：
  • hs（人类）：2.7e9
  • mm（小鼠）：1.87e9
  • dm（果蝇）：1.2e8
  • ce（线虫）：9e7
• -n / --name: 运行名称，所有输出文件会以此命名。
• --outdir: 指定输出文件的目录。
• --nomodel: 不使用 MACS2 默认的模型，如果你有短片段（如 ATAC-seq 或较窄的 ChIP-seq 数据），你可以使用此参数。
• --shift: 对测序片段进行人工调整，可以结合 --extsize 使用。
• --extsize: 设置测序片段的扩展长度（片段长度扩展到该值）。
• --qvalue: 使用 q-value 作为显著性水平的阈值，默认值为 0.05。通常选择较严格的阈值，比如 0.01。
• --pvalue: 使用 p-value 作为显著性水平的阈值，如果你更喜欢 p-value，可以使用此参数代替 q-value。
• --broad: 用于宽峰值调用（如组蛋白 ChIP-seq 数据）。
• --nolambda: 不使用本地 lambda 控制区域，而是使用全局背景估计。
• --bdg: 输出信号文件为 bedGraph 格式。
• --SPMR: 将信号归一化为每百万读数。

四、基本使用示例：

1. 常规 ChIP-seq 分析（无对照）：

macs2 callpeak -t treatment.bam -f BAM -g hs -n chipseq_results --outdir ./output/

输入文件为 treatment.bam，基因组大小设为人类基因组（hs），输出文件以 chipseq_results 为前缀，结果保存在 ./output/ 目录下。

2. 带对照的 ChIP-seq 分析：

macs2 callpeak -t treatment.bam -c control.bam -f BAM -g hs -n chipseq_with_control --outdir ./output/

• treatment.bam 是 ChIP 样本，control.bam 是 Input 对照样本。控制样本用于去除背景噪声。

3. 宽峰调用（组蛋白 ChIP-seq 分析）：

macs2 callpeak -t histone_chip.bam -c control.bam -f BAM -g hs -n histone_chip_results --broad --outdir ./output/

• --broad 选项用于调用宽峰，适合组蛋白修饰数据。

4. 输出 bedGraph 文件：

macs2 callpeak -t treatment.bam -f BAM -g hs -n chipseq_results --bdg --outdir ./output/

• 通过 --bdg 参数输出 bedGraph 文件，可以在基因组浏览器（如 UCSC、IGV）中可视化。

五、输出文件解释：

• .narrowPeak：窄峰调用结果文件，包含峰值位置和统计信息。
• .broadPeak：宽峰调用结果文件（使用 --broad 选项时生成）。
• .xls：峰值的详细信息，包含每个峰的统计数据（峰值位置、信噪比等）。
• .r：模型文件，包含峰值模型拟合的统计信息。
• .bedGraph：用于可视化的信号文件，表示峰值的富集程度。

六、进阶用法：

1.指定片段大小： 如果你已经知道测序片段的大小，可以通过 --extsize 来指定片段大小。例如，设定扩展片段大小为 200 bp：

macs2 callpeak -t treatment.bam -f BAM -g hs -n chipseq_results --extsize 200 --outdir ./output/

2.使用 q-value 和 p-value：

如果你想使用严格的 q-value 过滤，设定为 0.01：

macs2 callpeak -t treatment.bam -f BAM -g hs -n chipseq_results --qvalue 0.01 --outdir ./output/

如果你更偏向于 p-value 过滤：

macs2 callpeak -t treatment.bam -f BAM -g hs -n chipseq_results --pvalue 0.001 --outdir ./output/

总结：

MACS2 是 ChIP-seq 数据分析的标准工具，能够帮助你快速识别基因组中的富集区域（peaks）。根据不同的实验类型（如窄峰、宽峰或无对照实验），你可以灵活调整参数。

七、不同文件中不同列的含义

narrowPeak：窄峰调用结果文件，包含峰值位置和统计信息。

• chr（第一列）：

  • 染色体名称。例如，chr5 表示第5号染色体。

• start（第二列）：

  • 峰值的起始位置（0-based）。例如，11543 表示峰值在染色体5上的起始位置是11543。

• end（第三列）：

  • 峰值的终止位置（1-based，峰值区间包含该位置）。例如，11798 表示峰值在染色体5上的终止位置是11798。

• name（第四列）：

  • 峰值的名称。由 MACS2 自动生成，通常以样本名和峰值编号命名。例如，SRR14879765_hg38_chr5_Flavopiridol_Chip_NPM1_peak_peak_1。

• score（第五列）：

  • 峰值的得分，表示峰值的强度或显著性。MACS2 将信号根据排序和归一化处理后生成此分数。
  • 例如，208 表示此峰值的强度得分为 208。

• strand（第六列）：

  • 链方向。+ 表示正链，- 表示负链，. 表示未知链方向或与链方向无关。

• signalValue（第七列）：

  • 信号值，表示峰值的原始信号强度。即 ChIP-seq 富集的信号强度（通常是测序读数的总和）。
  • 例如，3.40768 表示此峰值的信号强度为 3.40768。

• pValue（第八列）：

  • p-value 的负对数值，表示统计显著性（通常与背景噪声比较）。-log10(p-value)，值越高表示越显著。
  • 例如，22.6144 表示 p-value 的负对数值为 22.6144。

• qValue（第九列）：

  • q-value 的负对数值（校正后的 p-value，用于控制假阳性率）。-log10(q-value)，值越高表示越显著。q-value 通常用于多重比较校正（如 FDR 校正）。
  • 例如，20.8131 表示 q-value 的负对数值为 20.8131。

• peak（第十列）：

  • 峰值的峰顶位置，相对于峰的起始位置的偏移（单位为 bp）。该列表示峰值信号最强的位置距离峰起始位置的偏移量。
  • 例如，229 表示在该峰值区间中，信号最强的点相对于起始位置的偏移为 229 bp。

score 是一个用来快速评估峰值强度或显著性的指标。它通过将峰值的富集程度、统计显著性（如 p-value、q-value）等信息进行整合，分数越高，表示峰值的信号越强，峰值在基因组中富集的显著性越高。通常，signalValue 越高，p-value 越低（越显著），q-value 越低，则 score 越高。

broadPeak：宽峰调用结果文件（使用 --broad 选项时生成）。

xls：峰值的详细信息，包含每个峰的统计数据（峰值位置、信噪比等）。

• abs_summit：

  • 峰值顶点的绝对位置。表示在峰值区间中信号最强的位置（峰顶），相对于整个基因组的绝对坐标。
  • 例如：10120 表示峰顶位于染色体 1 的第 10120 个碱基处。

• pileup：

  • 在峰值顶点处的信号堆积值，表示峰顶的原始读数数目。
  • 例如：50.5 表示在峰顶位置的信号强度是 50.5。

• -log10(pvalue)：

  • p-value 的负对数值（-log10(p-value)）。用于评估峰值的显著性。数值越高，表示峰值越显著。
  • 例如：20.0 表示 p-value 的负对数值为 20.0。

• fold_enrichment：

  • 富集倍数（信号与背景噪声的比值）。表示在峰值区域内，信号与背景信号的比率。值越大，说明信号越强。
  • 例如：10.5 表示信号在该区域比背景信号高出 10.5 倍。

• -log10(qvalue)：

  • q-value 的负对数值（-log10(q-value)），经过 FDR（False Discovery Rate，假发现率）校正后的 p-value。q-value 越小，表示峰值的显著性越高。
  • 例如：15.0 表示 q-value 的负对数值为 15.0。

• name：

  • 峰值的名称或编号。MACS2 会为每个峰值生成一个唯一的名称或编号，通常以样本名称为前缀。
  • 例如：peak_1 表示这是第一个峰值。

pileup 和测序碱基的统计不完全一致

• pileup 代表的是 峰顶处的信号堆积值，通常是根据 MACS2 对峰值区域内 富集信号的统计 得出的一个值，不是严格意义上的 测序读数的总和。
• pileup = 50.5 是一个近似值，表示 信号的强度 或 相对富集度，而不是直接的测序碱基数目。这个值可能经过了某些归一化或平滑处理，因此它不必等于原始测序读数的确切总和。

r：模型文件，包含峰值模型拟合的统计信息。

bedGraph：用于可视化的信号文件，表示峰值的富集程度。