ChIPseeker包对ChIP-seq peaks可视化

ChIPseeker软件包实现了以下功能：检索峰值附近最近的基因、注释峰值的基因组区域、估计芯片峰值数据集之间重叠重要性的统计方法，以及整合地理数据库，以便用户将自己的数据集与存储在数据库中的数据集进行比较。比较可以用来推断合作规则，因此可以用来生成假设。实现了几个可视化功能，以总结峰实验的覆盖范围、结合到TSS区域的峰的平均轮廓和热图、基因组注释、到TSS的距离以及峰或基因的重叠。

######ChIPseeker##### if (!require("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
#
# BiocManager::install("ChIPseeker")library(ChIPseeker)
library(TxDb.Hsapiens.UCSC.hg38.knownGene)
library(GenomicFeatures)
library(GenomicRanges)
library(clusterProfiler)
library(ggplot2)txdb <- TxDb.Hsapiens.UCSC.hg38.knownGene### 1. 读入chip-seq峰值的bed文件
bed_file <- "/Users/test_summits.bed"
## .bed或.bed.gz 文件，peak的位置，可以由macs2软件生成。
peak <- readPeakFile(bed_file)
class(peak)  # "GRanges"
peak### 2.作图展示peak位置
# plot peak coverage
covplot(peak, weightCol="V5")
# 画指定区域
covplot(peak, weightCol="V5", chrs=c("chr17", "chr18"), xlim=c(4.5e7, 5e7))
covplot(peak, weightCol="V5", chrs=c("chr17", "chr18"))# 得到启动子区域
promoter <- getPromoters(TxDb=txdb, upstream=3000, downstream=3000)
class(promoter) #"GRanges"
# 计算tag矩阵
tagMatrix <- getTagMatrix(peak, windows=promoter)# plot the heatmap of tagMatrix
tagHeatmap(tagMatrix, xlim=c(-3000, 3000), color="red")
# # 以上两行代码等同于下面一行代码
# #plot the heatmap of peaks align to flank sequences of TSS
# peakHeatmap(bed_file, TxDb=txdb, upstream=3000, downstream=3000, color="red")# plot the profile of peaks
plotAvgProf(tagMatrix, xlim=c(-3000, 3000),xlab="Genomic Region (5'->3')", ylab = "Read Count Frequency")
# 加上95%置信区间
plotAvgProf(tagMatrix, xlim=c(-3000, 3000), conf = 0.95, resample = 1000)### 3.peaks注释
## 注释峰值Annotate peaks
peakAnno <- annotatePeak(peak, tssRegion=c(-3000, 3000),TxDb=txdb, annoDb="org.Hs.eg.db")
class(peakAnno) #"csAnno"# 保存文件
write.table(peakAnno, file = 'peak1.txt',sep = '\t', quote = FALSE, row.names = FALSE)# 统计作图
plotAnnoPie(peakAnno)
plotAnnoBar(peakAnno)
#dev.new()
vennpie(peakAnno)
# upsetplot(peakAnno, vennpie=TRUE) #wrong
plotDistToTSS(peakAnno,title="Distribution of transcription factor-binding loci\nrelative to TSS")### 4.富集分析
library(ReactomePA)
pathway1 <- enrichPathway(as.data.frame(peakAnno)$geneId)
head(pathway1, 2)gene <- seq2gene(peak, tssRegion = c(-1000, 1000), flankDistance = 3000, TxDb=txdb)
pathway2 <- enrichPathway(gene)
head(pathway2, 2)
dotplot(pathway2)### 5. 比较不同实验富集到的peaks（先注释好）
files <- getSampleFiles() #自带bed.gz文件
txdb_hg19 <- TxDb.Hsapiens.UCSC.hg19.knownGene
peakAnnoList <- lapply(files, annotatePeak, TxDb=txdb_hg19,tssRegion=c(-3000, 3000), verbose=FALSE)
plotAnnoBar(peakAnnoList)genes = lapply(peakAnnoList, function(i) as.data.frame(i)$geneId)
#names(genes) = sub("_", "\n", names(genes))
compKEGG <- compareCluster(geneCluster   = genes,fun           = "enrichKEGG",pvalueCutoff  = 0.05,pAdjustMethod = "BH")
# fun   :One of "groupGO", "enrichGO", "enrichKEGG", "enrichDO" or "enrichPathway" .
dotplot(compKEGG, showCategory = 15, title = "KEGG Pathway Enrichment Analysis")genes= lapply(peakAnnoList, function(i) as.data.frame(i)$geneId)
vennplot(genes)p <- GRanges(seqnames=c("chr1", "chr3"),ranges=IRanges(start=c(1, 100), end=c(50, 130)))
shuffle(p, TxDb=txdb_hg19)# peaks重叠的统计学意义
# calculate overlap significant of ChIP experiments
# based on the genome coordinations
enrichPeakOverlap(queryPeak     = files[[5]],targetPeak    = unlist(files[1:4]),TxDb          = txdb_hg19,pAdjustMethod = "BH",nShuffle      = 50,chainFile     = NULL,verbose       = FALSE)

ChIPseeker包对ChIP-seq peaks可视化相关推荐

python使用statsmodels包中的tsaplots函数可视化时间序列数据所有滞后位置个数（级别）的自相关性（plot the autocorrelation function）
python使用statsmodels包中的tsaplots函数可视化时间序列数据所有滞后位置个数(级别)的自相关性(plot the autocorrelation function) 目录
R语言使用treemap包中的treemap函数可视化treemap图：treemap将分层数据显示为一组嵌套矩形、自定义设置treemap图的调色板、自定义设置treemap标题字体的大小
R语言使用treemap包中的treemap函数可视化treemap图:treemap将分层数据显示为一组嵌套矩形.自定义设置treemap图的调色板.自定义设置treemap标题字体的大小目录
R语言ggplot2可视化散点图并使用scale_y_log10函数配置Y轴对数坐标、使用ggforce包的facet_zoom函数将可视化结果中需要突出放大的区域进行放大（Zoom in）
R语言ggplot2可视化散点图并使用scale_y_log10函数配置Y轴对数坐标.使用ggforce包的facet_zoom函数将可视化结果中需要突出放大的区域进行放大(Zoom in) 目录
R语言使用ggplot2包和plotrix包绘制带有错误条（error bars）的可视化结果：使用ggplot2包绘制具有置信区间的可视化图像、使用plotrix包绘制具有置信区间的可视化图像
R语言使用ggplot2包和plotrix包绘制带有错误条(error bars)的可视化结果:使用ggplot2包绘制具有置信区间的可视化图像.使用plotrix包绘制具有置信区间的可视化图像目录
R语言使用ggpubr包的ggarrange函数组合多张结论图：使用ggpubr包将表格嵌套在可视化图像中
R语言使用ggpubr包的ggarrange函数组合多张结论图:使用ggpubr包将表格嵌套在可视化图像中目录 R语言使用ggpubr包的ggarran
R语言ggplot2包旋转（Rotate）可视化图像轴标签实战
R语言ggplot2包旋转(Rotate)可视化图像轴标签实战目录 R语言ggplot2包旋转(Rotate)可视化图像轴标签实战
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果横向构成新的结果可视化组合图（使用|符号）
R语言ggplot2可视化:使用patchwork包将两个ggplot2可视化结果横向构成新的结果可视化组合图(使用|符号) 目录
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果组合起来、使用labs函数为第两个子图都添加标题信息（subtitle for each subplots）
R语言ggplot2可视化:使用patchwork包将两个ggplot2可视化结果组合起来.使用labs函数为第两个子图都添加标题信息(subtitle for each subplots) 目录
R语言ggplot2可视化：使用patchwork包将3个ggplot2可视化结果横向组合（三幅图各占比例为33.3%，加和为100%）
R语言ggplot2可视化:使用patchwork包将3个ggplot2可视化结果横向组合(三幅图各占比例为33.3%,加和为100%) 目录
R语言patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数以及tag_level参数为组合图添加自定义编码序列（字符向量列表）
R语言patchwork包将多个ggplot2可视化结果组合起来.使用plot_annotation函数以及tag_level参数为组合图添加自定义编码序列(字符向量列表) 目录

ChIPseeker包对ChIP-seq peaks可视化

ChIPseeker包对ChIP-seq peaks可视化相关推荐

最新文章

热门文章