MACS:使用最广泛的peak calling软件之一

欢迎关注”生信修炼手册”!

MACS全称是Model-based Analysis of ChIP-Seq，是使用的最广泛的peak calling软件之一，其基本原理简介如下

1. 预测测序reads与peak的偏倚距离

在chip_seq等数据中科学家发现在真实的结合位点两侧，正负链的测序深度分布如下图所示，对应峰值的中心距离peak中心有一定的偏移

MACS首先通过一个模型来评估真实的peak中心和测序峰值的偏移距离，给定参数bandwidth和mfold, 采用一个大小为2倍bandwidth的滑动窗口，比较该窗口内真实测序深度的分布与随机测序的差异，如果二者的差异倍数超过了阈值mfold，则认为该窗口是一个peak区域。识别到初始的peak区域之后，随机挑选1000个高可信度的peak区域，分别计算正链和负链的测序深度分布，示意如下

通过这种方式识别到正负链峰值之间的距离，定义为d。在后续peak calling时，会在初始计算结果的基础上向3’端偏移d/2的距离。

2. peak 检测

通常认为基因组上测序深度的分布是一个泊松分布，根据基因组测序深度的值，首先估算出整体泊松分布的参数

将初始peak区域偏移d/2的距离之后，再次已2d的滑动窗口进行滑动，寻找富集的区域，如果一个区域的测序分布的值大于整体泊松分布的值，则认为该区域是富集的。对于overlap的富集区域，进行合并，然后以peak中心区域开始，整体向3’端偏移d个碱基，其中测序深度最高的点作为peak的峰summit。

在比较input和IP样本的差异时，MACS也是基于泊松分布来计算的 ，只不过考虑到测序错误，重复区域，CNV等因素的影响，MACS采用了一个动态的泊松分布模型，即不是认为基因组所有区域都符合同一个泊松分布，而是认为不同的区域泊松分布的参数可以不同。对于候选的peak区域，通过以下模型去估算泊松分布的参数

1k代表以peak中心为中心的1k窗口内的数据估算出来的值，后面的5k, 10k类似。然后通过这个局部泊松分布的参数去计算每个peak区域的p值，如果小于指定的pvalue的阈值，则输出该peak区域，该区域内IP样本的序列条数和局部泊松分布参数的比值作为该peak的fold enrichment。

目前该软件已经更新到了2.0版本，功能更加的强大，在后续文章会详细介绍该软件的用法。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！