HMMRATAC检测ATAC数据的开放性

背景

目前，已经衍生出多种用于检测染色质开放性的试验方法。比如， DNase-seq， FAIRE-seq和ATAC-seq，其中ATACA-seq方法试验技术简单、快捷、重复性好，得到了极大的发展和使用。ATAC-seq技术核心是使用Tn5转座酶切割开放性的染色质，Tn5转座酶优先插入核小体free区域，产生的DNA片段长度小于100 bp；也可能插入到相邻的核小体之间，即linker-DNA区域，产生的DNA片段大约在150 bp。 尽管，针对 DNase-seq, FAIRE-seq和ChIP-seq的分析工具已经存在，也能用于ATAC-seq数据分析，例如：MACS2、F-seq等，然而这些工具存在不足，仅能利用部分插入片段信息，通常是核小体free区域。 NucleoATAC软件可以将ATAC-seq数据区分为核小体free和核小体两部分，然后可以进行核小体位置的定位。然而，NucleoATAC不能利用核小体信息进行peak calling。所以，目前没有一款工具可以同时进行核小体free区域和核小体信号的鉴定。

[图片上传失败...(image-3555f7-1567747354481)]

image.png

软件说明

HMMRATAC（ Hidden Markov ModeleR for ATAC-seq ） 是一个半监督式机器学习方法。该软件采用了“分解和整合”的思路，首先把一套数据首先分解为来自于NFR 和核小体区域的不同覆盖信号层，然后在隐马尔可夫模型中学习开放染色质区域信号层之间的关系，用于预测开放染色质区域。该软件检测染色质结构更准确，相比其他软件优势明显。

一个典型的ATAC-seq分析思路如下：

1. 使用Bowtie2或BWA软件进行数据比对

2. 使用HMMRATAC鉴定全基因组染色质开放区域

3. 使用MEME进行motif富集分析

4. 使用 CENTIPEDE进行motif足迹分析

5. 使用Diffbind进行差异开放性分析

6. 使用BETA与基因表达进行联合分析

7. ……

软件下载：

[https://github.com/LiuLabUB/HMMRATAC](https://github.com/LiuLabUB/HMMRATAC)

软件使用

 java -jar HMMRATAC_V*_exe.jar -b  -i  -g  

参数说明

必需参数：

• -b , --bam

  排序后的BAM文件

• -i , --index

  BAM文件的索引

• -g , --genome

  染色体和长度信息文件，2列

  可选参数：

  -m , --means

  插入片段初始长度平均值分布，用于生成信号 tracks，逗号分隔，默认50,200,400,600。如果是非human物种建议调整，其他物种的核小体间距存在区别。如果read长度小于100 bp，推荐第一个数值使用read长度。

  -s , --stddev

  插入片段分布的初始标准差数值，用于生成信号 tracks，逗号分隔，默认20,20,20,20。

  -f , --fragem

  是否进行插入片段EM训练，默认true。

  -q , --minmapq

  比对质量值的最小阈值，默认30。

  -u , --upper

  选择训练位点时的倍数变化范围的最大值，默认20。

  -l , --lower

  选择训练位点时的倍数变化范围的最小值，默认10。

  -z , --zscore

  用于过滤的Zscore后的read深度，默认100。

  -o , --output

  输出文件的前缀，默认为“NA”。

  -e , --blacklist

  黑名单BED文件

  -p , --peaks

  是否报告peak的BED文件，默认true。

  -k , --kmeans

  模型中状态的个数。默认3，通常不建议修改。

  -t , --training

  用于训练的BED文件，使用后则不再使用倍数变化范围。

  -bedgraph

  是否生成一个全基因组状态注释bedgraph文件，默认false。

  --minlen

  检峰的最小长度，默认200。

  --score

  使用哪种打分系统对peak进行打分，默认“max”。

  --bgscore

  是否对每个状态注释文件（bedgraph）追加HMMR值，默认false。

  --trim

  多少信号需要从末端trim掉，默认0。推荐： fragments <= 500bp set --trim 1; fragments <= 250bp set --trim 2; fragments <= 150 set --trim 3。

  --window

  用于 维特比译码（Viterbi decoding）时切分基因组窗口的大小，默认25000000。

  --model

  二进制的模型文件（之前的分析运行产生的）。

  --modelonly

  是否产生模型后即停止本程序，对于多次调参有用，默认 false。

  --maxTrain

  用于训练的区域的最大数目，默认1000。

  --removeDuplicates

  是否去除重复的reads，默认true。

  --printExclude

  是否输出排除的区域到文件，默认false。

  --printTrain

  是否输出训练区域到文件，默认true。

  --randomSeed

  训练区域随机取样的种子长度，默认10151。

  -h

  本软件使用帮助信息。

参考资料

文章： https://doi.org/10.1093/nar/gkz533

软件： https://github.com/LiuLabUB/HMMRATAC