methylKit：差异甲基化分析

1. 1Methylation输入格式

coverage：覆盖这个位点的reads数目。
freqC：甲基化C的比例
freqT：非甲基化C的比例

1.2 纯文本的读取：methRead

file.list是一个列表，里面的元素是每个文件名
myobj = methRead(file.list,assembly = "hg19",sample.id = list("test1","test2","ctrl1","ctrl2"),treatment = c(1,1,0,0),context = "CpG")
treatment指定样本的分组，1是treatment组，0是control组；assembly指定组装版本。

1.3 bam文件读取：processBismarkAln

bam.list是一个列表，里面元素是每个bam文件名。
myobj = processBismarkAln(bam.list,sample.id = c("sample_A1","sample_A2","sample_B1","sample_B2"),assembly = "hg19",treatment = c(1,1,0,0),read.context = "CpG",save.fold = getwd())

2.1 探索样本的描述性数据：getMethylationStats
myobj是一个methylRawList对象，它记录了每个样本的甲基化信息。

getMethylationStats(myobj[[2]],plot = FALSE/TRUE,both.strands = FALSE)
获取第二个样本的甲基化信息。

同时可以读取myobj测序深度信息。
getCoverageStats(myobj[[2]],plot = TRUE,both.strands = FALSE)

2.2 根据测序深度过滤样本：filterByCoverage

filtered.myobj = filterByCoverage(myobj,lo.count = 10,lo.perc = NULL,hi.count = NULL,hi.perc = 99.9)
lo.count:指定最小深度
hi.count:指定最大深度
lo.perc:
hi.perc:

3 合并样本数据：unite
meth = unite(myobj,destrand = FALSE)

4.1样本的相关性：getCorrelation
getCorrelation(meth,plot = TRUE)

4.2样本聚类：clusterSamples、PCASamples
clusterSamples(meth,dist = "correlation",method = "ward",plot = TRUE)

PCA碎石图：
PCASamples(meth,screeplot= TRUE)

PCA主成分图：
PCASamples(meth)

5 批量效应
批量效应用于检查哪些主要成分与潜在的批处理效果上统计相关。如果某些主要成分是批次效应造成的结果，就需要使用removeComp将其删除。

sampleAnnotation = data.frame(batch_id = c("a","a","b","b"),age = c(19,34,23,40))
as = assocComp(mBase = meth,sampleAnnotaion)
移除第一个主成分：
newObj=removeComp(meth,comp=1)

6 平铺窗口分析：tileMethylCounts
差异甲基化区域的分析:按照滑动窗口的方式定义甲基化区域，默认窗口大小为10000 bp ，步长为10000bp.
tiles=tileMethylCounts(myobj,win.size=1000,step.size=1000)

7 查找差异甲基化的碱基或区域
测试差异甲基化：

myDiff = calculateDiffMeth(meth)

基于q值、甲基化差异阈值百分比和type类型选择差异甲基化区域：

myDiff25p = getMethylDiff(myDiff,difference = 25,qvalue = 0.01,type = "hyper" / "hypo" / "all")hyper表示相比control组，treatment组中的甲基化C更多；
hypo则相反，表示treatment组中的甲基化C比control组中少。

8 注释差异甲基化的碱基或区域：genomation包
读取基因BED文件：
gene.obj = readTranscriptFeatures("gene.bed")
使用BED文件注释甲基化区域：启动子、外显子、内含子
diffAnn = annotateWithGeneParts(as(myDiff25p,"GRanges"),gene.obj)

注释后，获取距离TSS距离最近的基因名称：
getAssociationWithTSS(diffAnn)

区域分析例如汇总启动子区域集上的甲基化信息：

myobj：一开始读入的methylation信息。
gene.obj：读入的BED文件。
promoters = regionCounts(myobj,gene.obj$promoters)
promoters[[1]]

methylKit：差异甲基化分析相关推荐

RRBS甲基化分析流程
RRBS甲基化流程分析流程和普通的测序分析一致,首先fastqc质量检测,接着对序列进行修剪,修剪后再质量检测:如果质量检测通过,则进行序列回帖,然后去除重复,计算甲基化程度,以及一些后续分析,本 ...
易基因｜全基因组cfDNA甲基化分析提高了早期乳腺癌无创诊断成像的准确性
大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因. 乳腺癌早期发现是提高患者预后和生存率的关键.基于乳房X线片和超声技术的乳腺影像报告和数据系统(BI-RADS)被广泛用于乳腺癌的早期诊断 ...
基于TCGA数据库的差异基因分析实现
1.数据下载 1.1 网页下载 1.2 TCGABiolinks下载 setwd("D:\Bioinformatics data analysis") if (!requireNa ...
易基因｜综述：单细胞DNA甲基化分析方法全介绍及未来发展前景预测
大家好,这是专注表观组学十余年,领跑多组学科研服务的易基因. 2021年07月10日,<Biomolecules>杂志上发表一篇关于单细胞表观测序的综述文章,详细介绍了单细胞DNA甲基化 ...
易基因：全基因组CpG密度和DNA甲基化分析方法比较（MeDIP、RRBS和WGBS）| 研究综述
大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因. CpG密度(CpG density)与各种组织中的DNA甲基化相关.基因组按CpG密度分为:CpG岛(CpG island,CGI).C ...
精准医学：新发现！全基因组cfDNA甲基化分析或可用于胰腺癌早期诊断应用
易点评: 作为消化道常见恶性肿瘤之一,胰腺癌在肿瘤领域素有"癌症之王"的称号,据柳叶刀杂志记载,胰腺癌大多一经发现即为中晚期,确诊后的五年生存率约10%,是预后最差的恶性肿瘤之一. ...
使用MACS2进行差异peak分析
欢迎关注"生信修炼手册"! MACS2作为使用最广泛的peak calling软件,在v2版本中添加了差异peak分析的功能,所有的子命令功能描述如下通过bdgdiff子命令来进 ...
MPB：亚热带生态所谭支良组-基于微生物成分数据的差异zOTU分析流程
为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...
python 分析两组数据的差异_R语言limma包差异基因分析（两组或两组以上）
使用limma包进行差异基因分析时,做最多的是两分类的,例如control组和disease组,但也会碰到按照序列进行的分组.这时,如果逐一使用两两比较求差异基因则略显复杂.其实开发limma包的大神 ...
蜜汁问题？差异基因分析谁比谁有差别吗？
做差异基因分析时经常会遇到有老师纠结是样品组A比样品组B还是样品组B比样品组A.每次我都是很诧异,这有区别吗? 这是一个典型的DESeq2输出结果,我们怎么知道他计算的是trt/untrt还是untr ...

methylKit：差异甲基化分析

methylKit：差异甲基化分析相关推荐

最新文章

热门文章