chip_seq质量评估之计算样本间的相关性

在chip_seq的实验中，由于抗体反应的敏感性，生物学重复样本的一致性很难把控。为了保证重复样本具有较好的一致性，除了在实验上保证操作流程的规范化，对于测序数据，我们也需要对其进行评估。

deeptools是一款非常好用的工具，提供了很多有用的功能，本文主要介绍如何使用deeptools来计算样本间的相关性，并进行可视化，主要分为以下两个步骤

1. 计算bam文件的coverage

对于转录组数据，通常通过样本的表达谱来计算样本间的相关性，对于chip-seq等没有明确定量结果的数据，通常的策略是将基因组划分为等长的区间，称之为bin, 计算每个区间内的覆盖度，然后通过比较不同样本间的覆盖度来计算样本相关性，借助deeptools中的multiBamSummary命令，可以实现这一功能，用法如下

multiBamSummary bins \
--bamfiles file1.bam file2.bam \
--binSize 10000 \
--numberOfProcessors 10 \
--outRawCounts results.txt \
-o results.npz \

2. 可视化

上一步产生的后缀为npz的文件，通过plotCorrelation命令可以计算相关性，该命令支持spearman和pearson两种相关性分析，pearson相关系数建立在数据符合正态分布的基础上，而spearman相关系数会根据数据的排序即秩进行分析，所以会数据分布没有任何要求，但是对应的敏感性会低一点。

该命令的基本用法如下

plotCorrelation \
-in reads.npz \
--corMethod spearman \
--skipZeros \
--plotTitle "Sperman Correlation of Read Counts" \
--whatToPlot heatmap \
--colorMap RdYlBu \
--plotNumbers \
-o heatmap_SpearmanCorr.pdf \
--outFileCorMatrix SpearmanCorr_readCounts.tab

输出结果示意如下

图上标记的是相关系数，除了热图之外，还支持输出两两比较的散点图，用法如下

plotCorrelation \
-in results.npz \
--corMethod pearson \
--skipZeros \
--plotTitle "Pearson Correlation of Average Scores Per Transcript" \
--whatToPlot scatterplot \
-o scatterplot_PearsonCorr.pdf \
--outFileCorMatrix PearsonCorr_bigwigScores.tab

输出结果如下

通过deepTools,可以很方便的对生物学重复的一致性进行评估。

·end·