使用DiffBind进行peak 差异分析

最新推荐文章于 2022-10-12 15:21:40 发布

生信修炼手册

最新推荐文章于 2022-10-12 15:21:40 发布

阅读量7.4k

点赞数 3

本文链接：https://blog.csdn.net/weixin_43569478/article/details/108079813

版权

DiffBind是一款在R中进行peak差异分析的工具，它借鉴RNA_seq的思路处理peak数据。需依赖预存在的peak calling结果，进行定量和差异分析，支持DESeq、DESeq2、edgeR等R包。该文介绍了DiffBind的使用流程，包括count、contrast、analyze和report四个步骤，并强调了生物学重复的重要性。此外，DiffBind还提供了丰富的可视化功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

欢迎关注”生信修炼手册”!

DiffBind是一个用于peak差异分析的R包，源代码保存在Bioconductor上，链接如下

http://www.bioconductor.org/packages/release/bioc/html/DiffBind.html

该R包采用了RNA_seq中差异基因表达的思路来进行peak的差异分析，和macs2的差异功能不同，DiffBind需要依赖已有的peak calling结果，将peak区域当做RNA_seq中的基因区域，然后对这些区域进行定量和差异分析，其核心的差异分析通过调用RNA_seq中常用的R包来实现，支持以下3种差异分析的R包

DESeq
DESeq2
edgeR

RNA_seq中进行定量，需要比对的bam文件和基因注释gtf文件, 类似地，DiffBind需要提供样本比对的bam文件以及peak calling得到的peak区域结果文件。为了方便导入，DiffBind提供了一个接口，将导入文件的相关信息保存在一个文件中，该文件内容示意如下

格式为csv, 这个表格的设计是为了考虑兼容性，最大可能的保留实验相关的所有信息。在实际分析中，可能有很多列没有对应信息，直接空值即可。值得注意的是，在ATAC中，样本没有对应的control, 这里control相关的信息为空就好，实际上这里的control也只是列在表格中，定量和差异分析时并不会用到control样本的数据。

Diffbind进行了高度封装，所有的函数都围绕一个自定义的DBA对象为中心，根据自己的数据整理好上述表格，然后通过以下几步代码就可以直接完成差异peak分析了

library(DiffBind)
tamoxifen <- dba(sampleSheet="tamoxifen.csv")
tamoxifen <- dba.count(tamoxifen, summits=250)
tamoxifen <- dba.contrast(tamoxifen, categories=DBA_CONDITION)
tamoxifen <- dba.analyze(tamoxifen)
tamoxifen.DB <- dba.report(tamoxifen)

从函数名称也可以看出，从DBA对象开始，整个过程分为以下4步

count，计算peak区域的表达量，由于不同的peak数据集会存在overlap, 所以首先合并peak区域，当导入的peak数据集越多，理论上合并后的peak平均宽度就会越宽，overlap的peak越多，合并后的peak机会越宽。正事由于merge机制的存在，你会发现最终定量结果中的peak无论是个数还是宽度都和你输入的不太一致
contrast, 构建比较的分组，指定哪些分组进

最低0.47元/天解锁文章