【原】神技能！批量解决哪个转录因子调控你的基因。

果子导读：

我的导师曾经跟我讲过，10年前，CELL杂志每期一半以上都是在做转录调控。10年后，我们发现，在很多杂志，这个现象依然存在。

如果已知转录因子，找他的靶基因，用ChIP-seq就可以搞定。

但是！如果反过来，团队已经确定所研究的基因，那么找出能够调控他的分子，确实是个难题。

所幸！这篇来自嘉因小丫的帖子把这个事情一次性解决。

从此，国自然申请和课题设计，如虎添翼，一日千里。

以下是正文：

《哪个蛋白质调控我感兴趣的基因？怎样筛选？基于分析或实验的可行方案V2.1》一文讲了找上游转录因子的策略：

• Plan A：基于大量ChIP-seq公共数据挖掘

• Plan B：motif分析预测

• Plan C：ATAC-seq结合motif分析

motif系列答疑帖一步步帮你实现了Plan B

1. 去哪找motif？

   史上最全物种转录因子、motif数据库footprintDB

2. 这段DNA上有我关心的motif吗？

   点鼠标就能找启动子区的motif | meme-FIMO
   

3. motif scan结果怎样看？

   互补链上的motif有意义吗？
   

4. motif结果怎样展示到文章里？

   找到了motif，怎样展示结果？
   

ChIP系列带你实现Plan A，下个系列解决Plan C。

1. 原理

2. 在线快速查看结果

3. 局限性

4. 速查表

5. 从哪里下载数据
   

6. 怎样批量处理数据

7. 怎样展示结果
   

用上篇《Plan A详细步骤1234》找到转录因子的小伙伴可以跳过本篇，直接看7，下篇讲7。本文讲56，适用于从几十上百套ChIP-seq中找上游调控因子的情况。如果在嘉因公众号讲这篇，需要铺垫太多基础知识，读者也未必愿意看。思来想去，还是放到生信技能树发布吧。

---

书接上文《Plan A详细步骤1234》，如果您关注的细胞类型有几十甚至几百套ChIP-seq，用肉眼挨个看哪个track有peak，就要疯掉了。这时就需要我们懂生信的出手了，批量下载，批量处理。跟2对应，分别讲Cistrome和ENCODE这两个数据库的数据下载和处理。

本文要点

• Cistrome Data Browser，下载peak.bed，用它提供的GEO ID下载原始数据，跑出bigwig。

• ENCODE，下载bam、bigwig，用bam文件call peak，跑出peak.bed。

• 用peak.bed找出基因附近有peak的ChIP-seq，后面需要用bigwig画图。

5. 从哪里下载数据

Cistrome

Cistrome Data Browser提供Batch download，能批量下载sample信息、peak.bed文件。

http:///db/#/

sample信息包括转录因子的名字、细胞类型、器官、细胞系、GEO ID。

peak.bed是ChIP-seq的峰所在的位置，它标志着转录因子结合在这个位置，包括直接结合和间接结合，间接结合例如蛋白A跟蛋白B形成复合物再结合DNA。

目前Cistrome Data Browser不提供bigwiggle文件的下载，如果想要本地画图，用batch download提供的sample信息里的GEO ID下载原始数据，参照它的流程自己处理，获得bigwiggle。

ENCODE

https://www.，提供fastq、bam、bigwig、peak.bed文件的下载。点击Download：

获得这些文件的地址，然后用红色那行命令批量下载需要的文件。

ENCODE的peak不理想，所以只在这里下载bam文件，然后用Cistrome Data Browser的参数call peak。

6. 数据批量处理

先去UCSC找您感兴趣的基因在基因组上的位置，http://genome./，例如TP53，TP53 (uc060aur.1) at chr17:7668402-7687538，整理成这样的bed格式：

chr17    7668402    7687538

中间不是空格，而是用键盘上的tab键输入的制表符，存成文本文件，文件名：TP53.bed

用bedtools的slop算出基因上下游10kb的位置，http://bedtools./en/latest/content/tools/slop.html?highlight=slop，用手算也行。

用bedtools的intersect找TP53两侧10kb范围跟peak.bed的交集，http://bedtools./en/latest/content/tools/intersect.html，判断这套ChIP-seq有没有peak落在基因附近。

如果某个转录因子的ChIP-seq数据在TP53附近有peak，就说明这个转录因子在TP53附近结合，推测它参与了TP53的转录调控。

bedtools一次只能处理一个ChIP-seq的peak.bed。想批量处理所有的ChIP-seq文件，用shell实现：

1. for file in ./bed/*.bed;do bedtools intersect -a gene_loci.bed -b $file -c > ./peak/gene_loci_c_${file##*/};done

这样就获得了每个ChIP-seq在基因附近出现peak的数量，0表示没有peak，1或更多表示有1个或多个peak出现在基因附近。先用shell提取peak数量这列：

1. for file in ./peak/*_c_*.bed;

2. do awk '{print $5}' $file> ./peak/${file##*/}.tmp;

3. done

再把这些文件合并到一起，方便查看，用R：

1. filename<-dir("path/peak/")

2. filename

3. tmp=read.table(filename[1])

4. colnames(tmp)<-filename[1]

5. tmp_comb=tmp

7. for (i in 2:length(filename)){

8.  tmp=read.table(filename[i])

9.  colnames(tmp)<-filename[i]

10.  tmp_comb=cbind(tmp_comb,tmp)

11. }

12. i

13. write.table(tmp_comb,"combine.tmp",sep="\t",row.names=T,col.names=F,quote=F)

这样就看到哪些ChIP-seq在基因附近有结合信号。

然后，就可以用bigwig画自己想看的转录因子了。

另外，还可以回到上篇的2，cistrome有选择功能，在有peak的ChIP-seq前面打勾，一起放到WashU Browser查看。

7. 怎样展示结果

结果图怎样展示？参考这篇介绍的工具《找到了motif，怎样展示结果？》。具体怎么画？且听下回分解。