强力推荐！HiC-Pro + homer实现三维基因组AB区室分析

大家好，小果又跟大家见面啦！这次小果给大家分享三维基因组的AB区室分析的内容

以防小伙伴们跟不上小果的节奏，小果首先跟大家介绍一下三维基因组的一些相关概念：

1. 在真核生物的基因组中，细胞核内的染色质分布并不是随机的，为了跨越较大的基因组的距离去相互作用，例如增强子和启动子的互作，这些密切作用的染色质会靠的更近，这就是染色质疆域，如下图所示：

1. 整个基因组被分割为两个空间区室，分别标记为A，B染色质区室，往往区室内互作频繁，而区室间互作较少。在生物信息分析中，通常通过计算染色体内部互作的相关性来区分两种不同的区室。其中A区室是开放的染色质，表达活跃，基因丰富，具有较高的CG含量，包含用于主动转录的组蛋白标记，通常位于细胞核内部；而B区室是关闭的染色质，表达不活跃，基因缺乏，结构紧凑，含有基因沉默的组蛋白标志物，位于细胞核的外围。AB区室示意图如下所示：

1. 在染色质区室中，还存在互相作用相对频繁的基因区域，被称为拓扑结构域（TAD）。这些区域在不同的哺乳动物的不同细胞中都很保守，并且高度富集CTCF和粘附蛋白。TAD结构如下图所示：

上面带大家了解了部分三维基因组的知识，下面小果带大家进行三维基因组的AB区室分析，发车咯

目前比较流行的计算AB区室的软件主要有一下三种：

1. juicer: 第一篇HiC文章实验室提供的工具，计算多个分辨率每个bin的PC1值，但是输出只有一列，不是bedgraph文件，不太人性化；同时不能判断AB区室，需要自己手动校正。
2. homer: NGS分析套件，也有HiC分析流程，可以通过TSS或者ATAC测序数据进行判断AB区室，也可以输出bedgraph文件和矩阵文件。
3. cworld: 一种基于Perl的HiC分析工具，可以计算AB区室和TAD等结构。

上述三个软件的优缺点如下：

1. juicer: 优点是第一篇HiC文章实验室提供的工具，有权威性和可靠性，可以计算多个分辨率每个bin的PC1值；缺点是输出只有一列，不是bedgraph文件，不太人性化，同时不能判断AB区室，需要自己手动校正。
2. homer: 优点是NGS分析套件，也有HiC分析流程，可以通过TSS或者ATAC测序数据进行判断AB区室，也可以输出bedgraph文件和矩阵文件；缺点是安装配置比较复杂，需要下载或者构建基因组信息。
3. cworld: 优点是一种基于Perl的HiC分析工具，可以计算AB区室和TAD等结构，也可以输出矩阵文件；缺点是文档不太完善，使用不太方便。

大家了解了这三个软件的区别之后，是不是感觉homer软件更全面呢，反正小果选择的是HiC-Pro+homer来进行AB区室计算的。

首先需要用到的是HiC-Pro软件生成的.allValidPairs文件，没有使用过HiC-Pro软件的小伙伴可以去看以前小果的文章嗷。

下面是格式的转换，修改.allValidPairs文件格式，将HiC-Pro输出文件，转换成homer格式：

cat $test.allValidPairs | awk ‘BEGIN{FS=OFS=”\t”}{print NR,$2,$3,$4,$5,$6,$7}’ > test.homer

下面是homer软件的安装：

HOMER的安装可以使用conda来完成：

conda install -c bioconda homer

下面需要configureHomer.pl完成Homer软件的配置：

1. 先下载configureHomer.pl：

wget http://homer.ucsd.edu/homer/configureHomer.pl

1. 使用configureHomer.pl配置Homer（小伙伴们注意文件路径问题嗷）

perl configureHomer.pl  [options]

大家可以使用configureHomer.pl来配置Homer，例如下载人类，小鼠的参考基因组等

万事具备，只欠东风。下面小果开始分析，小果的代码是这样的：

## 第一步 makeTagDir

# -format指定格式，test.homer为输入的homer格式文件

makeTagDirectory test -format HiCsummary test.homer

## step 2 : calculate PC1 value

# test-500k为生成文件前缀，-res是以bp为单位的分辨率，-genome为参考基因组

runHiCpca.pl test-500k test -cpu 32 -res 500000 -genome hg38.fasta -pc 1

结果会生成两个文件，分别是bedGraph文件txt文件

小果的bedGraph文件是这样的：

Txt文件是这样的：

两个文件的内容大致相同，只是格式不同，bedGraph文件可使用IGV软件进行可视化，小果的可视化结果如下图：

以11染色体为例，大家可以清楚的看到染色体被分为AB两个区室（以PC1值划分）

今天的关于三位基因组AB区室的计算学习就到这里啦，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~