Encode不仅共享了大量的组学数据,还开源了自己的数据分析pipeline, ATAC的pipeline网址如下
提供了从原始的fastq数据开到,到peak caling结束的基础分析功能,尽管缺少了下游的差异分析和motfi分析,这套流程依然值得推荐。 该流程同时支持有生物学重复和无生物学重复两种情况,对于有生物学重复的数据,分析的流程图如下 对于没有生物学重复的数据,流程图如下 从fastq到peak calling, 只需通过trim, mapping, peak calling三部曲即可,其他流程中可能就是3个步骤对应的软件跑一下,在Encode的这套流程中添加了更多的细节分析。 首先来看下基本的三部曲,通过cutadapt软件去除adapter和低质量序列,然后是bowitie2比对参考基因组,最后调用MACS2进行peak calling。 peak calling部分,称得上是该流程最大的亮点,采用了IDR软件来评估peak的可重复性。对于有生物学重复的样本,先对每个生物学重复进行peak calling, 然后进行合并,用IDR软件提取高可重复性的peak; 对于没有生物学重复的样本,则随机抽取部分序列重新构建一个虚拟的生物学重复,然后进行IDR分析。 该流程采用了WDL这套pipeline语言进行开发,兼容docker, conda, 可以运行了本地服务器,也可以运行了集群上,依托于WDL的强大,保证了流程运行的稳定性,兼容性和可移植性。 唯一遗憾的是,官方并没有给出详尽的说明文档,很多的细节需要自己查阅源代码来进行理解。当然,对于使用者而言,只需安装软件和编辑配置文件即可,配置文件是json格式,由哈希和列表两种元素构成,对于熟悉编程的人而言,非常简单易用, 一个最基础的配置文件链接如下
利用这套流程来分析ATAC数据,可以和Encode的质控标准更加契合,进一步标准化ATAC的分析结果! ·end· |
|