HiC-Pro是一个高效率的Hi-C数据预处理工具,能够应用于dilution Hi-C, in situ Hi-C, DNase Hi-C, Micro-C, capture-C, capture Hi-C 和 HiChip 这些数据中。
HiC-Pro的工作流程如下, 简单的说就是先双端测序各自比对,然后进行合并,根据合并的结果筛选有效配对。之后有效配对用于构建contact maps.
安装方法
HiC-Pro依赖于如下的软件
Bowtie2(>2.2.2), 用于序列比对
Python2.7, 并安装 Pysam, bx-python, numpy, scipy
R, RColorBrewer + ggplot2
samtools > 1.1
GNU sort, 支持 -V, 按照version进行排序
为了保证环境的干净,我用conda进行了一个环境进行安装
y -n hic-
以2.11.1版本为例进行介绍,最新的版本在https://github.com/nservant/HiC-Pro/releases检查
wget
因为我希望把HiC-Pro安装到~/opt/bisofot
下,所以我需要修改当前目录下的config-install.txt
中的PREFIX部分,
PREFIX = /home/xzg/opt/bisofot
如果服务器支持任务投递,可以修改CLUSTER_SYS部分, 设置为TORQUE, SGE, SLURM 或 LSF,
我的miniconda的安装目录是~/miniconda3
, 所以hic-pro环境的实际路径是~/miniconda3/envs/hic-pro
make
安装结束之后,/home/xzg/opt/bisofot
文件夹下就出现了HiC-Pro_2.11.1
,之后的软件调用方式为
/opt/biosfot
如果没有出现Error 就说明安装成功了。
处理流程
让我们新建一个项目文件夹,以一个测试数据集为例进行介绍。
下载测试数据并解压缩,该数据来自于Dixon et al. 2012 , 使用HindIII 进行酶切
mkdir -
之后将测序结果移动或者软连接到fastq文件夹下
mkdir
创建注释文件
为了处理原始数据,HiC-Pro需要三个注释文件
BED文件,记录可能的酶切位点
table文件,记录每条contig/scaffold/chromosome的长度
bowtie2索引
其中BED文件和table文件必须要放在HiC-Pro_2.11.1/annotations
目录下,该文件夹下已经有了人类hg19和小鼠mm10。我们以GRCh38为例, 介绍如何创建这三个注释信息
# 切换目录
配置HiC-Pro
拷贝HiC-Pro的配置文件到项目文件夹下
/opt/biosfot
修改配置文件config-hicpro.txt
# 线程数
对于LIGATION_SITE,不同酶切位点对应的序列为HindIII(AAGCTAGCTT), MboI(GATCGATC) , DpnII(GATCGATC), NcoI(CCATGCATGG)。
我们要修改的参数其实就是上面几个。当然该配置文件还有许多参数可以修改,具体见https://github.com/nservant/HiC-Pro/blob/master/doc/MANUAL.md
运行如下代码,启动分析项目
/opt/biosoft
HiC-Pro会新建一个工作目录,results, 之后会遍历fastq目录,寻找其中的fastq文件,将其软连接到results下的rawdata, 之后就开始用bowtie2比对以及后续的分析。
测试数据代码运行到
Run ICE Normalization
就中断了,可能是用的参考基因组和原来的教程(hg19)不一样, 不过我自己的数据集是没有问题的。
最后的结果如下:
2 results
一个关键的结果就是data文件里的以.validPairs结尾的文件,有7+1列,
read_name chr_reads1 pos_reads1 strand_reads1 chr_reads2 pos_reads2 strand_reads2 fragment_size
此外,HiC-Pro提供了一个脚本用于将输出的allValidPairs转成JABT的输入
/HiC-Pro_2.11.1/bin
最终会输出一个以.hic结尾的文件。
参考资料
官方手册:https://github.com/nservant/HiC-Pro/blob/master/doc/MANUAL.md
Servant N., Varoquaux N., Lajoie BR., Viara E., Chen CJ., Vert JP., Dekker J., Heard E., Barillot E. HiC-Pro: An optimized and flexible pipeline for Hi-C processing. Genome Biology 2015, 16:259 doi:10.1186/s13059-015-0831-x