结合CHIP-seq和ATAC-seq结果进行分析

上一篇文章里讲到了如何进行ATAC-seq的简单分析（ATAC-seq分析练习）。在文献中（Cell Stem Cell 2017 Nov 2;21(5):650-664.e8.），作者的分析结果并不是独立的把ATAC-seq和Chip-seq、RNA-seq的结果独立开来，他们把这三种实验的结果进行了整合的分析。从而得到了很多有用的信息。那么这篇文章主要是想探索一下如何把不同的结果进行整合分析。

首先，我们需要下载Chip-seq的文件：数据链接：here

NOTE:这里需要注意的是，作者上传的原始文件里，关于Chip-seq的部分，smad的Chip-seq文件是单端测序，而两个input对照则是双端测序。在比对的时候需要格外注意你的代码，因为bowtie2的比对代码单端和双端的是不一样的。这里就不详细说下载文件和比对的步骤了，如果不知道可以移步：ATAC-seq分析练习（双端比对看这里）；ChIP-seq实践（非转录因子，非组蛋白）（单端比对看这里）。前面的步骤就不说了，我们直接从deeptools标准化后的bw文件开始说起：

（一）利用IGV同时查看Chip-seq和ATAC-seq的结果
拿到所有CHIP-seq和ATAC-seq的bw文件，可以在IGV里将这些文件一起导入，然后搜索基因cdc25b，查看基因附近的峰的情况：

文献原图

我做的图

上面两个文件是Chip-seq的峰图（红色，粉色），下面5个是ATAC-seq的峰。可以看出smad2/3在两个基因之间有一个结合的峰（红色），而input是空白对照（粉色），自然不会有峰；但是在下面ATAC-seq的文件里，这个峰与ATAC-seq的峰重合，说明ATAC-seq显示的在这个位置上DNA“容易被接近”，很有可能有smad的结合。

（二）peak可视化
接下来我们要用deeptool进行peak分布的可视化。主要是想重复出文章中的这个图：

这幅图的figure legend的说明是这样的：Histograms show chromatin accessibility at Smad2/3 bound regulatory elements.意思是他们将ATAC-seq里的峰，在smad结合位点附近的peak进行了可视化。

在我之前写的文章里（ChIP-seq实践（非转录因子，非组蛋白）），已经讲过deeptools进行可视化有两种模式：scale-regions和reference-point。如果你想看peak在一段基因或者基因组坐标上的富集，用scale-regions；如果你想看peak在转录起始点、终止点，或者其他某一个点附近的富集，你需要用reference-point。根据文献里这张图来看，作者是探索了在smad结合位点附近的富集，那么结合位点是一段序列，所以我需要用scale-regions模式。

$ computeMatrix scale-regions -a 500 -b 500 -m 250 -R /media/yanfang/FYWD/ATAC/callpeak/SCC_1_CD71hi_GFPlo_narrowPeak.bed /media/yanfang/FYWD/ATAC/callpeak/SCC_1_CD71lo_GFPhi_narrowPeak.bed /media/yanfang/FYWD/ATAC/callpeak/SCC3_Tgfbr2KO_A_peaks_narrowPeak.bed /media/yanfang/FYWD/ATAC/callpeak/SCC3_Tgfbr2KO_B_peaks_narrowPeak.bed -S /media/yanfang/FYWD/CHIPSEQ/sambam/smad_SCC1.bin10.bw --skipZeros -o smad_scaleregion_matrix_TSS_6.gz

NOTE:这里参考文件是4个ATAC-seq的bed文件，输入文件是smad的CHIP-seq文件。（如果把参考文件和输入文件交换位置，最后出来的图不是一个峰，而是M型的双峰）

$ plotProfile -m smad_scaleregion_matrix_TSS_6.gz -out merge_profile_6.png

但是好像趋势和文献中相反的，我又试着重复了文献中的FIG5I，趋势也是和文献相反的。。。比较郁闷，不知道问题出在了哪里，如果有同学知道还请不吝赐教～