numpy序列预处理dna序列_HiCPro: HiC数据预处理高效工具

最新推荐文章于 2021-10-22 16:59:51 发布

weixin_39951929

最新推荐文章于 2021-10-22 16:59:51 发布

阅读量391

点赞数

文章标签： numpy序列预处理dna序列

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.

HiC-Pro依赖于如下的软件

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。

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

为了处理原始数据，HiC-Pro需要三个注释文件

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

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。

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

关注