教你学会ChIP-seq分析 | 第八讲

23Plus · 公众号 · 生物 · 2017-07-20 07:00

正文

写在前面

本次系列文章为大家带来的是生信菜鸟图案的经典文章合辑： 《教你学会ChIP-seq分析》 ， 共九讲内容 。带领你从相关文献解读、资料收集和公共数据下载开始，通过软件安装、数据比对、寻找并注释peak、寻找motif等ChIP-seq分析主要步骤入手学习，最后还会介绍相关可视化工具。

第八讲：寻找motif

motif是比较有特征的短序列，会多次出现的，一般认为它的生物学意义重大，做完CHIP-seq分析之后，一般都会寻找motif 。

查找有两种，一种是de novo的，要求的输入文件的fasta序列，一般是根据peak的区域的坐标提取好序列；另一种是依赖于数据库的搜寻匹配，很多课题组会将现有的ChIP-seq数据进行整合，提供更全面，更准确的motif数据库。

motif的定义如下：

motif: recurring pattern. eg, sequence motif, structure motif or network motif

DNA sequence motif: short, recurring patterns in DNA that are presumed to have a biological function.

从上边的定义可以看出，其实motif这个单词就是形容一种反复出现的模式，而 序列motif 往往是DNA上的反复出现的模式，并被假设拥有生物学功能。而且，经常是一些具有序列特异性的蛋白的结合位点（如，转录因子）或者是涉及到重要生物过程的（如，RNA 起始，RNA 终止， RNA 剪切等等）。

摘抄自

http://blog.163.com/zju_whw/blog/static/225753129201532104815301/

motif最先是通过实验的方法发现的，换句话说，不是说有了ChIP-seq才有了motif分析，起始很早人们就开始研究motif了！例如， 'TATAAT’ box 在1975年就被pribnow发现了，它与上游的 ‘TTGACA’motif 是RNA聚合酶结合位点的特异性序列。而且，当时的人们就知道，不是所有的结合位点都一定完美地与motif匹配，大部分都只匹配了12个碱基中的7-9个。结合位点与motif的匹配程度往往也与蛋白质与DNA的结合强弱有关。

目前被人们识别出来的motif也越来越多，如TRANSFAC和JASPAR数据库都有着大量转录因子的motif。而随着ChIP-seq数据的大量产出，motif的研究会进一步深入，有一些课题组会将现有的ChIP-seq数据进行整合，提供更全面，更准确的motif数据库。

从算法上来讲，这是很复杂的，我就不多说了，我这里主要讲best practice：

一篇文献列出了2014年以前的近乎所有知名的A survey of motif finding Web tools for detecting binding site motifs in ChIP-Seq data 链接见： https://biologydirect.biomedcentral.com/articles/10.1186/1745-6150-9-4

最常用的是 MEME工具套件：

http://meme-suite.org/ 输入文件是fasta序列，需要对peaks进行转换，根据bed的基因坐标从基因组里面提取对应的序列咯： http://bedtools.readthedocs.io/en/latest/content/tools/getfasta.html

它里面集成了4个寻找motif 的工具，每个工具都是一篇文章，里面有详细描述具体原理，但是整个网页给人的感觉是too busy，让初学者无从下手。

把自己的fasta序列上传上去即可，还是选取我们本次系列教程的数据

$ ls -lh *fasta
- rw-r--r-- 1 Jimmy 197121 18M Jul 7 19 : 40 GSM1278641_Xu_MUT_rep1_BAF155_MUT_sequence.fasta
- rw-r--r-- 1 Jimmy 197121 9.9M Jul 7 19 : 38 GSM1278643_Xu_MUT_rep2_BAF155_MUT_sequence.fasta
- rw-r--r-- 1 Jimmy 197121 26M Jul 7 19 : 41 GSM1278645_Xu_WT_rep1_BAF155_sequence.fasta
- rw-r--r-- 1 Jimmy 197121 14M Jul 7 19 : 41 GSM1278647_Xu_WT_rep2_BAF155_sequence.fasta

然后就可以看到所有结果啦，大家可以试试看。

最后值得一提的是现在流行的R的bioconductor系列包，也可以寻找motif：

一般的R包都可以直接从BED文件里面记录的基因坐标来找motif，有点需要输入fasta序列，就需要自己根据bed的基因坐标从基因组里面提取对应的序列咯：

rGADEM (motif discovery): http://bioconductor.org/packages/devel/bioc/html/rGADEM.html

MotIV (motif validation): http://bioconductor.org/packages/devel/bioc/html/MotIV.html

http://lgsun.grc.nia.nih.gov/CisFinder/

http://bioinfo.cs.technion.ac.il/drim/

http://www.ncbi.nlm.nih.gov/pubmed/20736340

还有一个PICS (ChIP-seq): 虽然不是bioconductor的包 http://www.rglab.org/pics-probabilistic-inference-for-chip-seq/ 貌似国内被墙了，无法打开。

本系列历史文章列表

1 教你学会ChIP-seq分析 | 第一讲

2 教你学会ChIP-seq分析 | 第二讲

3 教你学会ChIP-seq分析 | 第三讲

4 教你学会ChIP-seq分析 | 第四讲

5 教你学会ChIP-seq分析 | 第五讲

6 教你学会ChIP-seq分析 | 第六讲

7 教你学会ChIP-seq分析 | 第七讲

本文转载自

“生信技能树”公众号

初与大家分享自己的生信学习笔记及心得体会。促进生信的学习和交流，构建出完整的生信技能树。搭建生信技术人员联盟，从入门到进阶帮助到每一位生信人。最期待看到团队成员的成长，以及论坛稳健发展和各版块完善。带领团队和论坛成员完善生信技能树的同时，自己也收获前所未有的锻炼，希望自己不忘初心。

"生信技能树"论坛

生信技能树创建于2016年8月，是中国第一家专注于生信知识体系完善、促进生信学习交流的论坛。我们通过收集国内外生信学习资源，邀请大神分享的领域专业知识，发布菜鸟的真实学习笔记，搭建生信技术人员联盟，从入门到进阶帮助每一位生信人。

教你学会ChIP-seq分析 | 第八讲

正文

请到「今天看啥」查看全文