非模式物种ROSE超级增强子鉴定分析详解

基本原理

超级增强子的预测过程有以下两个关键点。

建立在增强子的基础上，可以看做增强子富集的区域。
相比增强子，超级增强子区域具有更高的转录因子的密度。
ROSE这款程序也是根据这两个关键点来识别超级增强子，基本过程示意如下

首先识别增强子区域，然后对增强子进行合并，定义一个阈值，将距离小于该阈值的增强子进行合并，最后比较合并后的增强子区域内的reads分布情况来识别超级增强子。

1. 软件的安装

ROSE是最经典的超级增强子预测软件，由Richard A. Young大牛开发。
下载链接地址：
进入 http://younglab.wi.mit.edu/super_enhancer_code.html 网站，找到ROSE的下载地址，这里我直接分享给大家。 https://bitbucket.org/young_computation/rose/get/feb35cb1d955.zip
安装目录：/biodata/02.software/ROSE/
解压后是几个python脚本加内置数据库，脚本后续直接运行即可。

2.从UCSC官网下载gff3ToGenePred子程序，用于生成后续定制基因组所需的 refGene.txt 注释文件

wget "https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/gff3ToGenePred"
chmod 775 gff3ToGenePred
./gff3ToGenePred /public/database/annotation/GRCm38/GRCm38.gff GRCm38_refseq.ucsc #这里使用gff文件构建refGene.txt文件

将 ref_gene.txt 文件拷贝到/biodata/02.software/ROSE/annotation 下。且改为基因组_refseq.ucsc 的名称（注：该文件的hash键里不能有小写字母）。
而且需要将 ROSE_main.py 里的字典加入加入的基因组的ID。如下：

3.将ROSE软件包的目录软链接到当前目录下，在当前目录下运行，不然软件会报错。

ln -s /biodata/02.software/ROSE/* ./

4.执行ROSE pipline 一步法完成所有分析

python ROSE_main.py -g GRCM38 -i H3K27ac_Fasted_vs_NA_peaks.xls.bed -r H3K27ac_Fasted_1.clean.fastq.clean.sort.rmdup.bam -o /biodata/06.personalized_analysis/AJFX2220817058_20220830/Conjoint/superEnhancer/H3K27ac_Fasted_3 -s 12500 -t 2500

参数说明：
-g 指定自己构建的基因组 refGene.txt 文件的哈希名，我这里就是GRCM38
-i 指定增强子相关peak区间的bed文件或gff文件（这里使用bed文件比较方便）
-r 指定chip_seq中IP样本的bam文件
-c 指定Input样本的bam文件（没有则留空）。
-s 指定合并增强子的距离，默认为12.5kb, 小于该距离的两个增强子会合并为一个区间。
-t 指定距离TSS的距离，如果一个peak与某个转录起始位点的距离小于指定的距离，则有可能是一个启动子，这种潜在的启动子会被过滤掉（通常设置2.5kb）。

5.最后会生成一系列文件和一张图

AllEnhancers.table.txt和SuperEnhancers.table.txt两个文件比较有用，分别表示所有增强子和超级增强子的信息。

表头说明：（ID，染色体，起始，终止，多少个增强子合并，合并为增强子的大小， IP的信号值，IP 的信号排序，是否是超级增强子：1 为是，0为否）