Hello大家好，小果又来啦
小果今天使用HiC-Pro给大家分析一下Hi-C的数据
首先熟悉三维基因组的小伙伴们肯定都知道Hi-C数据的处理软件里面HiC-Pro和juicer是比较流行的，那么这两个软件的区别和侧重点是什么呢？且听小果细细道来
- HiC-Pro是一个灵活和高效的管道，可以从原始测序数据到规范化的联系矩阵。它支持多种限制性酶切位点，可以并行处理多个样本，可以检测和过滤PCR重复，可以生成多种格式的输出文件。
- juicer由两部分组成：从原始数据到创建Hi-C文件的pipeline和后续分析工具。它可以处理terabase规模的Hi-C数据集，自动注释Loops和Domains，与多个集群操作系统和Amazon Web Services兼容。它还可以利用GPU进行峰值调用。
- 两者的主要区别在于juicer提供了一个一键式的系统，而HiC-Pro需要用户自己配置参数和运行步骤。juicer还提供了更多的后续分析工具，如3D-DNA，可以用来辅助基因组组装。HiC-Pro支持多种限制性酶切位点，而juicer只支持HindIII和MboI两种。HiC-Pro可以生成多种格式的输出文件，如bed, matrix, pairs等，而juicer只生成hic文件。HiC-Pro可以让用户自己配置参数和运行步骤，有更多的灵活性和可定制性，而juicer是一个一键式的系统，有一些默认的设置和限制。
可能有小伙伴对第二点中的terabase表示疑问，不知道是什么，其实terabase是一个计量单位，表示10的12次方个字节，也就是一万亿个字节。它通常用来表示大规模的数据存储或传输。例如，一个terabase的Hi-C数据集就是包含了一万亿个Hi-C测序对的数据集
听说HiC-Pro软件安装坑很多？小果手把手教大家安装HiC-Pro！
- 首先创建自己的软件目录然后进入，接着下载HiC-Pro：
wget https://github.com/nservant/HiC-Pro/archive/refs/tags/v3.1.0.tar.gz
- 解压出来：
tar -zxvf HiC-Pro-3.1.0.tar.gz
- 使用conda根据yml文件创建新的环境
conda env create -f YOUR_PATH/HiC-Pro-3.1.0/environment.yml -n hicpro
- 切换到hicpro环境并安装HiC-Pro（需要root权限）
conda activate HiC-Pro
make configure
make
这样是最适合小白同学的安装啦，推荐使用官方的yml文件创建环境，如果是自己创建环境下载依赖的话，记得去修改config-install.txt文件的地址哦
下面小果开始带大家一起使用HiC-Pro来分析HiC数据啦
首先我们需要的文件是参考基因组，bowtie2软件建立的索引，含有酶切片段信息的bed文件，基因组大小信息的chrom.size文件以及Hi-C的测序数据集（这里小果使用测试数据集）
首先下载测试数据集：
wget http://juicerawsmirror.s3.amazonaws.com/opt/juicer/work/HIC003/fastq/HIC003_S2_L001_R1_001.fastq.gz
wget http://juicerawsmirror.s3.amazonaws.com/opt/juicer/work/HIC003/fastq/HIC003_S2_L001_R2_001.fastq.gz
小果参考基因组选择的是hg38，接着使用bowtie2-build来建立索引：
bowtie2-build -f hg38.fasta hg38
参数-f指定参考基因组，后面是索引文件的前缀，最后会生成6个bt2文件
酶切片段信息的bed文件使用digest_genome.py来生成，digest_genome.py脚本在HiC-Pro-3.1.0/bin/utils目录下面：
python3 /HiC-Pro-3.1.0/bin/utils/digest_genome.py hg38.fasta -r MboI -o hg38_MboI.bed
参数-r指定酶切种类，不区分大小写
参数-o指定生成文件名称
小果生成的hg38_MboI.bed文件如下：
其中第三列是检测到的酶切位点对应的位置
小果使用samtools和awk工具来得到chrom.size文件：
首先使用samtools软件对参考基因组建立索引：
samtools faidx hg38.fasta
然后使用awk来对fai文件进行操作：
awk ‘{print $1 “\t” $2}’ hg38.fasta.fai > hg38.chrom.sizes
上面文件的准备工作已经完成了，下面开始使用HiC-Pro软件进行分析了
不过我们首先要在HiC-Pro的软件根目录下创建一个rawdata文件夹来存放我们的测序数据，
下面我们要修改配置文件：config-hicpro.txt，下面是一些重要的设置参数：
- N_CPU，CPU数目；
- BOWTIE2_IDX_PATH，索引所在目录
- REFERENCE_GENOME，比对参考基因组路径及前缀
- GENOME_SIZE，chrom.sizes文件的路径
- GENOME_FRAGMENT，酶切片段的bed文件的路径
- LIGATION_SITE，酶切位点末端补平再次连接后形成的嵌合序列，例如HindIII，则为AAGCTAGCTT；如果是MboI则序列为GATCGATC；
配置好文件，我们就可以跑起来啦
小果的代码如下：
YOUR_PATH/bin/HiC-Pro -c YOUR_PATH/config-hicpro.txt -i YOUR_PATH/rawdata/ -o YOUR_PATH/test_re
其中，-c参数指定配置文件，-i指定数据的路径，-o指定生成文件夹的路径
生成的日志文件在-o指定的文件夹里面
下面是小果的结果文件：
其中，bowtie_results:比对结果所在目录；
hic_results:hic矩阵及分析结果所在目录；
logs:存放分析日志；
rawdata：链接了原始数据；
tmp：存放中间文件
目录bowtie_results下共有三个文件夹：
- bwt2：存放合并后的bam文件和统计结果
- bwt2_global：存放全局比对结果
- bwt2_local：存放局部比对结果
目录hic_results下面有四个文件夹：
- data：存放valid pair reads及其他数据文件
- matrix：存放不同分辨率矩阵文件
- pic：存放统计分析图片
- stats：存放统计表
今天的关于HiC-Pro软件的学习就到这里啦，感兴趣的小伙伴可以找小果讨论，有感觉生信分析复杂的小伙伴可以直接使用我们的生信小工具哦，链接在这：http://www.biocloudservice.com/home.html，我们明天见咯~