歡迎關注”生信修煉手冊”!
HOMER是一款進行motif預測的軟件，除此之外，該軟件還集成了許多其他功能，可以識別用于分析chip_seq,RNA_seq,Hi-C等數據。本文主要介紹如何通過HOMER來進行peak calling。
在HOMER中，通過findPeaks這個命令來進行peak calling, 這個命令有以下多種模式，對應不同類型的peak的識別
factor
這種模式用于識DNA和蛋白質結合位點，主要用于識別轉錄因子的結合位點，預測出來的peak的長度是一個固定的數值。histone
這種模式用于識別發生組蛋白修飾的區域，該模式識別到的peak長度不完全相同，是變化的數值。super
這種模式用于識別超級增強子。groseq
這種模式用于分析鏈特異性的GRO_seq數據tss
這種模式用于分析5’RNA_seq/CAGE/5’GRO_seq, 目的是識別promoter/TSS區域dnase
這種模式用于分析DNase_seq數據，目的是識別DNase酶超敏位點-
mC
這種模式用于識別DNA甲基化區域
對于chip_seq的peak calling而言，常用的模式就是factor, histone和super這3種模式。具體用法如下,分為兩步
1. makeTagDirectory
比對基因組得到bam文件之后，首先用通過makeTagDirectory這個命令，生成一個文件夾，用法如下
makeTagDirectory out_dir align.bam輸出目錄文件如下
├── chr1.tags.tsv
├── chr2.tags.tsv
├── chr3.tags.tsv
...
├── chrY.tags.tsv
├── tagAutocorrelation.txt
├── tagCountDistribution.txt
├── tagInfo.txt
└── tagLengthDistribution.txt默認將每條染色體的比對情況有一個tags.tsv文件來存儲，除此之外，還有幾個以tag開頭的文件，包含了一些簡單的統計信息。
tagCountDistribution.txt包含了測序深度的分布信息，第一列為測序深度的值，第二列為對應的reads的比例。根據這個文件的前10行，在R里面可視化如下
對于chip樣本而言，unique mapping reads的比例越高越好，所以可以看到測序深度為1的比例是最高的。
tagLengthDistribution.txt包含了reads的長度分布信息，第一列為長度，第二列為對應reads的比例， 在R里面可視化如下
可以對插入片段的長度分布有一個直觀的了解。
tagAutocorrelation.txt用于評估測序數據正負鏈上測序深度分布的相關性，在R里面可視化如下
正負連的峰值間距離為插入偏度的長度。
2. findPeaks
分別對input和IP樣本建立好tagdirectory之后就可以peak calling, 用法如下
findPeaks ip_tagdir/ -i input_tagdir -style histone -o homer.peak.txt輸出結果和macs2的類似，分成了兩部分，文件頭尾以#開頭的行為注釋行，部分信息如下
peak對應的行示意如下
更多參數和細節請參考官方文檔。
·end·
—如果喜歡，快分享給你的朋友們吧—
掃描關注微信號，更多精彩內容等著你！
