【生体情報メモ】HOMER DNA motifを探す

6123 ワード

What is HOMER？


HOMER is a software for motif discovery and ChIP-Seq analysis
HOMERソフトウェアはLinux command line basedで、DNA motif、たまにChIP-seqの分析(peak callingなど)を検索するのによく使われています.
  • 他のDNA motif検索ソフトは、非常に有名なオンラインtool:MEMEのようです.
  • その他のpeak calling tool:Macs 2(より一般的)
    • 興味のあるHOMERの他の機能はホームページで検索することができ、ダウンロードとインストールの方法もホームページで見つけることができます.
    インストールは次のように使用されます.
    ## Download and install homer (Hypergeometric Optimization of Motif EnRichment)
## // http://homer.salk.edu/homer/
## // http://blog.qiubio.com:8080/archives/3024
## pre-install: Ghostscript，seqlogo,blat
cd ~/biosoft
mkdir homer && cd homer
wget http://homer.salk.edu/homer/configureHomer.pl
perl configureHomer.pl -install
perl configureHomer.pl -install hg19
perl configureHomer.pl -install hg38

    MACSで見つかったpeaksレコードファイルであれば、対応する列をHOMERに入力ファイルとして抽出する必要があります:awk '{print $4"\t"$1"\t"$2"\t"$3"\t+"}' sample_peaks.bed >sample_homer.bed awkに慣れていなければ手動で変更するしかありません.findMotifsGenome.pl sample_homer.bed hg19 motifDir -len 8,10,12最後に入手したフォルダには詳細なページ版のレポートがあるので、多くの人がこのソフトウェアを使うのが好きで、HOMERというソフトウェアは大雑煮で、ほとんどの高フラックスシーケンシングデータの分析を解決することができます.

    ここで覚えているのはDNA motifの検索方法だけです。

  • Gene/Promoter-based Analysis: findMotifs.pl performs motif and gene ontology analysis with lists of Gene Identifiers, both promoter and mRNA motifs (See Gene ID Analysis Tutorial) .pl説明はHOMERのperlのシナリオです.findGO.pl performs only gene ontology analysis with lists of Gene Identiifiers(Called by findMotifs.pl,See Gene Ontology Analysis)ここはfindGO機能ですが、私がもっとよく使うのはenrichRかDAVIDです.以上の2つのスクリプトはgene ID basedで、テキスト形式のgeneリストを用意するだけで使用できます.
  • Next-Gen Sequencing/Genomic Position Analysis findMotifsGenome.pl performs motif analysis from genomic positions(See Finding Motifs from Peaks)ゲノム内のpeakの位置からDNA motifを探すのが一般的です.シーケンシング方法によってはnon-coding promoterやintergenicなどの場所(つまりcoding gene promoterだけではないpeak)にあるためです.example: 
    • $ cd /Users/ye.liu/Desktop/OA_analysis_06/9_patients_downstream_analysis/2.data_cpm2_p7/DNA_motif/Homer/1.complete_enhancer_promoter_sets/data
$ findMotifsGenome.pl 1.tss_gained_DAPs_gene_189.txt.bed  hg38 ./5.differential_output_size_400_1_to_3/ -bg 3.tss_lost_DAPs_gene_608.txt.bed -S 25 -len 8,10,12,13 -size 400
$ findMotifsGenome.pl 3.tss_lost_DAPs_gene_608.txt.bed  hg38 ./6.differential_output_size_400_3_to_1/ -bg $ 1.tss_gained_DAPs_gene_189.txt.bed -S 25 -len 8,10,12,13 -size 400 
$ findMotifsGenome.pl 2.tss_gained_DAPs_noncoding_91.txt.bed  hg38 ./7.differential_output_size_400_2_to_4/ -bg 4.tss_lost_DAPs_noncoding_509.txt.bed -S 25 -len 8,10,12,13 -size 400 
$ findMotifsGenome.pl 4.tss_lost_DAPs_noncoding_509.txt.bed  hg38 ./8.differential_output_size_400_4_to_2/ -bg 2.tss_gained_DAPs_noncoding_91.txt.bed -S 25 -len 8,10,12,13 -size 400

    ここではDifferential ATAC-Peak(DAP)を用いたmotifクエリを行い,2組のシーケンシング試料を比較するとgained DAPsとlost DAPs(試料群/対照群)が得られる.DAP annotationではpeakがcoding/noncoding gene promoter(TSS)付近(上下1 kb以内)でgene associated with DAP=DAGと呼ばれていますが、私はFANTOM CAT data set(2017 Nature)で行ったannotationを使っています.coding gene情報だけでなくnoncoding geneの情報も含まれているからです.IntergenicのDAPはここでは使っていません.だから私は4つのbed fileを持っています.それぞれ:
    gained
    lost
    coding
    file1_189
    file3_608
    non-coding
    file2_91
    file4_509
    そして、gained DAGのみのde novo DNA motifとlost DAGのみのde novo DNA motifをそれぞれ検索します.backgroundについては、それぞれ対応するbed fileで背景peaksを作ります.したがって、file 1はfile 3よりもfile 5:DNA motifがlost coding DAPではなくgained coding DAPにのみ存在することを得た.(逆にfile 6が得られた)file 2はfile 4よりfile 7が得られたDNA motifはlost non-coding DAPではなくgained non-coding DAPのみであった.(逆にfile 8が得られる)file 1−4とは、bed file 5−8がHOMERのoutputであることを意味する.
    次に比較したいのはDAP gainとDAP lostだけで、codingとnoncodingは含まれていません.だから、file 1とfile 2を結合してDAP gain file 3とfile 4を結合するのがDAP lostです.バカな方法でbedは名前を変えた.txtは、コピーを開くexcelに貼り付けてマージし、保存する.txt(macのwindowsとして保存するtxtフォーマット)を使用して、名前を変更します.bedは、コマンドchangeNewLine.plにも使用されます.そうでなければ、偽のbedファイルです.他に方法があることがわかりましたlinux command line:
    $ cat 1.tss_gained_DAPs_gene_189.txt.bed  2.tss_gained_DAPs_noncoding_91.txt.bed > gained_DAP.bed

    こんなに速いですか.rbind?ファイル1とファイル2がそれぞれ何行あるかチェックしてみましょう(row)
    $ cat 1.tss_gained_DAPs_gene_189.txt.bed |wc -l
 188
$ cat 2.tss_gained_DAPs_noncoding_91.txt.bed |wc -l
  90

    では、統合されたファイルは188+90で、これだけの行があるはずです.
    $ cat gained_DAP.bed |wc -l
 278
# 
$ wc -l < gained_DAP.bed
 278

    不安ならチェックしてterminalでbed fileを見てみましょう.方法1:cat file全出力方法2:head -n 5 file or tail -n 6 fileローカル出力
    $ head -n 10 gained_DAP.bed 
chr10   110460031   110460730   ENSG00000273143.1       RP11-525A16.4
chr20   58622490    58623170    ENSG00000268941.1       MGC4294
chr5    174750778   174752030   ENSG00000266890.1       MIR4634
chr17   18985476    18985916    ENSG00000263045.1       RP11-28B23.1
chr16   1163540 1164037 ENSG00000259910.1       RP11-616M22.2
chr12   46524079    46525144    ENSG00000257496.1       RP11-474P2.4
chr9    129740242   129741064   ENSG00000255824.1       AL590369.1
chr11   132874516   132875011   ENSG00000255371.1       OPCML-IT2
chr8    27901080    27902479    ENSG00000253615.1       RP11-597M17.2
chr8    66176914    66178013    ENSG00000253138.1       LINC00967

    次は同じ方法でlost_を得るDAP.bed 
    $ cat 3.tss_lost_DAPs_gene_608.txt.bed 4.tss_lost_DAPs_noncoding_509.txt.bed > lost_DAP.bed
$ wc -l < lost_DAP.bed                       
    1017

    bed fileの準備ができたらmotif検索を開始し、
    $ pwd
/Users/ye.liu/Desktop/OA_analysis_06/9_patients_downstream_analysis/2.data_cpm2_p7/DNA_motif/Homer/1.complete_enhancer_promoter_sets/data/test
$ findMotifsGenome.pl gained_DAP.bed hg38 ./Gained_DAP_specific_motif_size_400/ -bg lost_DAP.bed -S 25 -len 8,10,12,13 -size 400
$ findMotifsGenome.pl lost_DAP.bed hg38 ./Lost_DAP_specific_motif_size_400/ -bg gained_DAP.bed -S 25 -len 8,10,12,13 -size 400

    それぞれ30~40 minは使います.
    #レベル1のオブジェクトモジュールが閉じている
    [Cプログラミング]4.3その他の制御文