MACS2

一些背景补充参考

双端测序下机数据中得到的read1和read2是两条互补链insertsize中方向相对的两条序列，再比对到单链的参考基因组之前会先将其中一条read转义，然后进行比对，所以比对得到的SAM和BAM文件中read1和read2有一条是被转了的.

First, ChIP-Seq tags represent only the ends of the ChIP fragments, instead of precise protein-DNA binding sites; # ead只是跟随着TF一起沉淀下来的DNA fragment的末端，read的位置并不是真实的TF结合的位置
Second, ChIP-Seq data exhibit regional biases along the genome due to sequencing and mapping biases, chromatin structure and genome copy number variations; #由于测序、mapping过程内在的偏好性，以及不同染色质间的差异性，相比全基因组，某些碱基可能内在地会被更多的read所覆盖，这种情况得到的很多peak可能是假的

MACS的基本原理:

TF在基因组上的结合其实是一个随机过程，基因组的每个位置其实都有机会结合某个TF，只是概率不一样，说白了，peak出现的位置，是TF结合的热点，而peak-calling就是为了找到这些热点。

基本用法：可以参考h：ttps://www.jianshu.com/p/6a975f0ea65a

macs2 callpeak -t treatment.bam -c control.bam -g hs -B -f BAM -n prefix -q 0.00001
macs2 callpeak -t treatment.bam -c control.bam -g hs -B -f BAMPE -n prefix -q 0.00001
实例：

参数解读：或参考

-g 基因组的选择
-B 输出bgd文件，下游bigwig文件生成所需
-f 双端测序使用BAMPE，单端的话不需要加参数，默认是auto识别，但是识别不了BAMPE
-q 使用阈值，根据需要选择

输出文件包括
1 prefix_model.r
2 prefix_peaks.narrowPeak
3 prefix_peaks.xls
4 prefix_summits.bed
5 prefix_treat_pileup.bdg
6 prefxi_ _treat_pvalue.bdg

细节解读
···

• prefix_model.r 为模型建立示意图，使用Rscript prefix_model.r 命令可以在Linux环境下作图
• prefix_peaks.xls 为包含了peak信息的表格，可以用excel打开，其中包括：
  染色体;
  peak起始位点;
  peak终止位点;
  peak区域的长度;
  peak定点的绝对位置;
  堆积信号值及其-log10(pvalue);
  fold enrichment及其-log10(pvalue)
• prefix_peaks.narrowPeak 为包含了peak位置及summit位置，p值，q值的文件，可以直接上传到UCSC browser，其中特定列的信息为：
  5th：整数信号值
  7th：fold-change
  8th：-log10 pvalue
  9th：-log10 qvalue
  10th：summit距离peak起始位点的距离
• prefix_summits.bed 包含每个peak峰顶summit的位置，等同于从narrowPeak文件里面剥离出来的，方便用来寻找motif的binding，同样可以载入UCSC
• prefix_peaks.broadPeak &prefix_peaks.gappedPeak 文件都是为选择 -broad 参数后得到的文件，本质上和narrowPeak文件一致，不过增加了broadregion，当然summit的定义也有区别，需要自己去指定；
• prefix_treat_pileup.bdg 文件为输入文件treat组的bedGraph file， prefxi_ _treat_pvalue.bdg为对照组的bedGraph file

为了方便在IGV上查看ChIP-seq的结果和后期的可视化展示，所以我们需要把macs2的结果转化为bw提供给IGV(bdg file to wig file transformation) 共分为三步

可以参考: 关键词 MACS2需要Python2.7
以及 : 关键词 bigWig files

---

-t for treat-ment file (ChIP tags, this is the ONLY required parameter for MACS) 
-c for control file containing mapped tags; 
--format for input file format in BED or ELAND (output) format (default BED); 
--name for name of the run (for example,FoxA1, default NA); 
--gsize for mappable genome size to calculate λBG from tag count (default 2.7G bp, approximately the mappable human genome size);
--tsize for tag size (default 25); 
--bw for bandwidth, which is half of the estimated sonication size (default 300); 
--pvalue for p-value cutoff to call peaks (default 1e-5); 
--mfold for high-confidence fold-enrichment to find model peaks for MACS modeling (default 32);
--diag for generating the table to evaluate sequence saturation (default off).

每个比较都会得到四个文件，如下:
NAMEpeaks.xls: 以表格形式存放peak信息，虽然后缀是xls，但其实能用文本编辑器打开，和bed格式类似，但是以1为基，而bed文件是以0为基.也就是说xls的坐标都要减一才是bed文件的坐标
NAMEpeaks.narrowPeak与NAMEpeaks.broadPeak 类似。后面4列表示为，integer score for display， fold-change，-log10pvalue, -log10qvalue;
relative summit position to peak start内容和NAMEpeaks.xls基本一致，适合用于导入R进行分析。
NAMEsummits.bed：记录每个peak的peak summits，也就是记录极值点的位置。MACS建议用该文件寻找结合位点的motif。
NAME_model.r，能通过NAME_model.r作图，得到是基于你提供数据的peak模型

参考1
https://www.jianshu.com/p/e83a7e10ea2e
https://www.jianshu.com/p/6a975f0ea65a