DMR甲基化数据分析(1)

Nathan写于20200804。

由于最近开展了一些DNA甲基化的项目，跑了几个预实验的数据，结果还不错。所以在此记录一下分析步骤和代码。本次数据分析使用的软件是BatMeth2、Bismark和HOME这三款软件。其中BatMeth2是一个合成包，基本包含了5mC数据的所有分析，从建立索引到DMC和DMR的鉴定。Bismark就不用多言，甲基化数据十分经典的一款比对软件。而HOME是2019年刚发表的DMR检测软件，用起来速度虽然赶不上Metilene(ps:Metilene为什么跑CHH类型数据经常跑崩，知道的腿子请帮忙解答一下，谢谢)，但是总体来说的速度还是可以的。

什么是DNA甲基化

在表观遗传领域中，DNA甲基化是一个非常常见的概念。
首先，我们来区分几个常见概念：DNA甲基化、胞嘧啶甲基化、5mC。
DNA甲基化是指的在DNA上添加一个甲基集团（CH3）。真核生物和原核生物的DNA虽然都由四种碱基组成：A、T、C、G，但是其甲基化修饰发生的位置不同。原核生物中，这种甲基基团是添加在腺嘌呤的第6个氮原子上的，因此被称之为N6-methyladenine(6mA)。而在绝大多数真核生物中，甲基基团是添加在胞嘧啶的第5个碳原子上的，即5-methylcytosine(5mC)。所以在人类、小鼠等相关研究中，能够见到DNA甲基化和胞嘧啶甲基化(cytosine methylation)的混用。

主流甲基化修饰形式

01 DMC的鉴定

DMC（DNA methylated cytosine）的鉴定，我这里记录一下两种不同的软件，一种是周师兄开发的BatMeth2，这个软件的优点我也讲了，将多个功能打包，比较省事，跑任务的速度并不是特别快；另外一个软件就是Bismark，Bismark跑起来还是要快一些的，但是给出的结果文件需要自己去写脚本将有用数据抽提，稍微有一些费事。

1.1BatMeth2 安装

02 DMR 鉴定

这一部分我是用过Metilene和BatMeth2去做，总体得到的DMR较少，而且Metilene这个软件虽然跑的速度很快，但是对于CHH类型DMR，由于CHH位点有上亿的数量级，每次用Metilene计算DMR都会跑崩；而BatMeth2也有DMR检测的功能，但是计算的速度很慢，一般算CG都要一天多，这个速度简直不能忍受。后来一个偶然的机会，我发现刘博写的这个HOME软件，速度还可以，而且识别的位点也相对较多（ps:这是好消息呢，还是坏消息呢）。所以后来我都用HOME去做DMR鉴定的内容。

2.1软件安装

HOME是基于python2.7写的，所以要安装这个软件需要建立python2.7的虚拟环境。

conda create -n my2.7 python=2.7
conda activate my2.7

创建虚拟环境后，就直接git clone 安装即可:

git clone https://github.com/ListerLab/HOME.git
cd ./HOME
pip install -r requirements.txt
python setup.py install

2.2输入文件

HOME的输入数据可以直接用BatMeth2输出的Meth_loci.txt文件。给大家看一下HOME的输入格式，分别是染色体名称，位置，链方向，甲基化类型，甲基化C的数目和总的胞嘧啶C的数目。

TIM截图20200804162557.png

但是对于文件名上，这点有一个坑，刘博在帖子上也讲了，命名需要是txt格式，而且文件的分割需要用制表符进行分割。
HOME软件还有一个需要注意的点是，他需要一个包含sample全路径的data_path文件，这个文件的基本格式如下：

input_DMC

前面是smaple或者组群的名称，后面是每个sample的绝对路径位置。这样数据准备就完成了。

2.3寻找差异DMR

HOME可以直接设置DMR的长度，胞嘧啶数目以及两个样品的平均甲基化水平差异。详细的用法如下：

#usage: HOME-pairwise [-h] -i SAMPLEFILEPATH -t {CG,CHG,CHH,CHN,CNN} -o OUTPUTPATH
#下面罗列几个比较重要的参数
#-d DELTA :minimum average difference in methylation required(default: 0.1)
#-mc MINC:minimum number of C in a DMR to reported (default: 3)
#-md MERGEDIST:distance between DMRs to merge (default: 500)
#-ml MINLENGTH:minimum length of DMRs to be reported (default: 50)
#-npp NUMPROCESS:number of parallel processes for all chromosome(default: 8)
HOME-pairwise -t CG -i /public/home/hguo/packages/HOME/data_path/dom.txt -o ./exl -d 0.4 -mc 5

2.4结果说明

HOME这个软件是分染色体计算的，最终结果会给出每条染色体的结果，很欣慰的是这个软件会给出表头。下面我们看一下输出结果是什么样子的吧。

HOME输出结果展示

有表头，大家都能看懂每一列是什么，所以在此我就不赘述了。到此从甲基化下机数据到得到DMR的步骤就记录完了，下一部分我们进行甲基化数据可视化的记录。