使用BETA整合分析ATAC-seq/ChIP-seq和RNA-seq数据

发表于 | 分类于 |
字数统计: 879 | 阅读时长 ≈ 3

BETA 网址: http://cistrome.dfci.harvard.edu/BETA/tutorial.html

功能介绍

数据准备：

  • peak bed file

    1
    2
    3
    4
    5
    6
    # chr str end
    $head mep_ebDfpeak_deseq2_sig.bed
    chr8    12050808        12052743
    chr9    66492999        66494729
    chr4    125632449       125634758
    chr4    10182030        10183501

  • df expression file

    1
    2
    3
    4
    5
    6
    7
    8
    # symbol log2FC pvalue
    $head mep_eb_dfexpre
    MELK    6.23721078699297        5.47784458574045e-218
    RAD51AP1        4.17541170218602        2.86774188064759e-217
    HMGN5   5.98876520905166        7.49359285750074e-216
    ZWILCH  3.74468061674801        2.42032701371558e-204
    HNRNPA2B1       2.76252025379004        3.05116228100538e-190
    HLA-DRA -5.19413815362273       2.27680965999626e-188

软件下载安装

1
2
3
4
wget http://cistrome.dfci.harvard.edu/BETA/src/BETA_1.0.7.zip
unzip BETA_1.0.7.zip
cd BETA_1.0.7/
sudo python setup.py install

使用

BETA Basic

BETA Basic 预测调控因子的功能（激活或抑制）和靶基因

1
BETA basic –p 3656_peaks.bed –e AR_expr.xls –k LIM –g hg19 --da500 –n basic

参数：
-p ： peak bed file (必需参数）
-e：df expression file (必需参数）
-k：表达量文件格式是limma的标准格式（根据实际情况修改）
-g：基因组文件，如hg19,hg38,mm10,mm9
-n：输出文件前缀，BETA默认是NA
-da：选择显著性变化（上调和下调的）表达数据（根据实际情况修改）

其他格式(不是limma和cuffdif标准格式）的差异表达文件格式：

  • 需设置参数--info, geneID如果是smbol需要设置--gname2
BETA Plus

BETA Plus 预测调控因子的功能（激活或抑制）和靶基因，以及靶向区域的motif分析

1
BETA plus –p 3656_peaks.bed –e AR_expr.xls –k LIM –g hg19 --gs hg19.fa --bl

参数：

--gs : motif分析需要的参数, 基因组fasta格式
--bl :可选参数，当考虑boundary（如CTCF）时需要的参数

BETA Minus

BETA Minus 只根据peak bed数据基于调控潜能值预测靶基因

1
BETA minus -p 3656_peaks.bed --bl -g hg19

其他可选参数

-n：结果文件的名字
-o:输出文件路径
--gname2：geneID如果是smbol需要设置--gname2
--info：其他格式(不是limma和cuffdif标准格式）的差异表达文件格式：需设置参数--info,
--pn:peak 数目，默认是10，000
-d DISTANCE,--distance 距离TSS的距离. DEFAULT=100000 (100kb)
--df DIFF_FDR : 输入0-1的数值，表示统计的阈值，如FDR等，默认是1.
--da DIFF_AMOUNT; 取显著表达的基因，0-1表示比例，大于1表示个数。如2000，表示去top 2000个上调和下调的差异基因；0.5表示取50%上调和下调的基因，默认是0.5。
-c CUTOFF, --cutoff： 0~1的一个阈值。默认是1e-3。
-r REFERENCE, --reference： 当参考基因组不是hg19,或mm9时使用此参数。
--bl BOUNDARY :LIMIT Boolean Value. Whether or not use CTCF boundary to get a peak’s associated gene, DEFAULT=FALSE
-bf BOUNDARYFILE : Some BED format boundary file, use this only when You set –bl and the genome is neither hg19 nor mm9

相关资料

文章Wang, S., Sun, H., Ma, J., Zang, C., Wang, C., Wang, J., … & Liu, X. S. (2013). Target analysis by integration of transcriptome and ChIP-seq data with BETA. Nature protocols, 8(12), 2502-2515.
PMID: 24263090
网址： http://cistrome.org/BETA/index.html

使用代码

1
/software/biosoft/software/python/python2.7/bin/BETA plus -P mep_ebDfpeak_deseq2_sig.bed --info -e mep_eb_dfexpre --gname2 -g hg 19 --gs hg19.fa --bl

几点疑问

BETA最初的设计主要是用于ChIP-Seq和RNA-seq的整合分析，最终可以预测特定一个转录因子的靶基因，以及这些基因是激活还是抑制的功能。但是对于ATAC-seq，它得到的信号整个基因组范围转录因子的信号，那么与转录组整合分析得到的结果怎么解释？只能知道一些基因的功能是激活的或抑制的，但是并不能知道这些基因是哪些转录因子的靶基因。所以BETA是否适合ATAC-seq和与RNA-seq的整合分析？如果可以，整合分析的结果能得到哪些有价值的信息？