没想到我是先玩了Cut&Run和单细胞ATAC-seq,搞通了再来分析ChIP-seq | ATAC-seq,因为之前接触到的数据太烂了,所以什么有意义的东西都没搞出来,又没有重复,导致分析和评估无从入手。
现在这个lab还是比较正规的,数据有小瑕疵,但整体而言质量是非常靠谱的,各种数据之间也能完美的自我验证,是非常适合初学者来入门的。
Cut&Run的分析我基本吃透了,因为没什么背景噪音,IgG用spike-in校正一下即可,call peak也很简单,后面的IGV可视化,DiffBind差异分析也能互相验证,再结合生物学的marker,对数据就基本掌控了。
基于这些solid的基础分析,就能做一些高级分析,主要是拿到peak、bam文件,就能在R里自由翱翔了。
目前M60这个项目的数据太丰富了,bulk的RNA-seq、ChIP-seq、ATAC-seq,Cut&Run,可重复性还行,缺点就是模型过于简单,来自几个cancer cell line。
ChIP-seq
跟Cut&Run可以共享流程,主要差别就是rmDup、call peak时一定要用control,去掉背景噪音。
ATAC-seq
这个目前还没正式跑过,scATAC-seq用的是cellranger的流程,用的是fragment来call peak,应该也是大同小异。
主要是多了一个BAM to tagAlign的步骤,然后还是用macs来call peak。
对于单端序列。直接用bed格式就可以;对于双端序列,推荐用bedpe格式。这两种格式都可以称之为tagAlign,可以作为macs的输入文件。
标签:Cut,Run,seq,ChIP,ATAC,peak From: https://www.cnblogs.com/leezx/p/17214094.html