bsseq是如何進行差異甲基化分析

bsseq是如何進行差異甲基化分析，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

bsseq 主要用來分析WGBS的數據, 安裝過程如下

source(“http://bioconductor.org/biocLite.R“)
biocLite(“bsseq”)

bsseq的分析主要包括以下4步：

1. 讀取原始數據

2. BSmooth

3. t-test檢驗

4. DMR

1. 讀取原始數據

bsseq要求的原始數據格式如下：

共6列數據，制表符分隔，每一行代表一個甲基化位點，前5列很好理解，描述甲基化位點的染色體位置和類別，默認情況下bbseq用于分析CpG類型的甲基化位點。當然其他類型的數據，比如CHG, CHH也支持，但是需要調整參數。Cov代表覆蓋到這個位點的reads數，M代表其中發生了甲基化的reads數目。

每個樣本一個這樣的原始數據，用來表示該樣本methylation calling的結果，這樣的數據我們從bismark的結果中也可以得到。當原始數據準備好之后，首選需要讀取所有樣本的原始數據，然后導入到R中，生成一個bbseq定義的對象。在bbseq安裝的路徑下，提供了一個名為get_BS.chr22.R的腳本，展示了如何從讀取所有樣本原始數據的過程。

代碼如下

這里以mc_imr90_r1_22和mc_imr90_r2_22兩個樣本的原始數據為例，詳細展示了讀取過程。我們只需要根據自己的數據，適當修改上述代碼就可以了。主要注意sampleNames和pData數據就可以了。

2 Smooth

已測試數據BS.chr22為例，smooth的過程如下

在實際分析中，由于甲基化位點很多，所以這一步時間特別久，為了提高速度，可以添加mc.cores參數，這個參數指定了CPU個數，用于并行執行。

BS.chr22.1 <- BSmooth(BS.chr22, mc.cores = 2, verbose = TRUE)

3. T-test

在分析之前，有必要過濾掉覆蓋度較低的甲基化位點。通常保留在所有樣本中覆蓋度大于2的甲基化位點，但是也可以修改這個條件。過濾之后，直接通過BSmooth.tstat進行分析

下面的代碼基于bsseqData包中的數據，這個數據包含了6個樣本，分為normal和cancer兩組

group1 指定屬于treatment組的樣本，group2指定屬于control組的樣本。

4. DMR

通過dmrFinder 函數進行差異甲基化分析， 代碼如下：

cutoff 指定DMR的閾值，這個閾值根據t-test的結果進行調整。subset對差異甲基化的結果進行篩選，篩選包含甲基化位點個數大于3而且meanDiff 大于0.1的甲基化區域。

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。