引言
本文将向您展示如何利用MACS2软件,在单细胞ATAC-seq的基因组数据中识别基因调控区域的峰值。
实战
在使用Signac进行峰值检测之前,您需要先安装MACS2。您可以通过pip或conda安装它,或者从源代码自行编译。
本次演示以人类外周血单核细胞的单细胞ATAC-seq数据为例。首先,请加载必要的软件包和预先处理过的Seurat数据对象。
library(Signac)
library(Seurat)
pbmc <- readRDS("../vignette_data/pbmc.rds")
DimPlot(pbmc)
![alt](https://img-home.csdnimg.cn/images/20230724024159.png?be=1&origin_url=https://s2.loli.net/2024/08/05/JcpoY24BmCxfVw8.png)
使用 CallPeaks()
函数可以进行峰值检测,这可以针对不同的细胞群体单独进行,或者综合所有细胞的数据来完成。若要在每个已标记的细胞类型上识别峰值,我们可以通过 group.by
参数来实现。
peaks <- CallPeaks(
object = pbmc,
group.by = "predicted.id"
)
结果以 GRanges 对象的形式返回,并带有一个附加元数据列,列出了每个峰在其中识别的细胞类型:
![alt](https://img-home.csdnimg.cn/images/20230724024159.png?be=1&origin_url=https://s2.loli.net/2024/08/05/Ri9Uf4zb726rdCc.png)
要计算每个峰值区域的计数,您可以利用 FeatureMatrix()
函数来实现。
通过 CoveragePlot()
函数,我们可以将特定于细胞类型的 MACS2 峰值检测结果与 10x Cellranger 的峰值检测结果(目前 pbmc 对象中正在使用的)进行可视化对比。在图中,Cellranger 的峰值以灰色表示,而 MACS2 的峰值则以红色标注。
CoveragePlot(
object = pbmc,
region = "CD8A",
ranges = peaks,
ranges.title = "MACS2"
)
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_segment()`).
![alt](https://img-blog.csdnimg.cn/img_convert/9d959e6e2929862d3b0eed5bf0c58994.png)
本文由 mdnice 多平台发布