如何使用HiCUP進行Hi-C數據預處理

這篇文章主要介紹“如何使用HiCUP進行Hi-C數據預處理”，在日常操作中，相信很多人在如何使用HiCUP進行Hi-C數據預處理問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何使用HiCUP進行Hi-C數據預處理”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

HiCUP是一款經典的Hi-C數據預處理軟件，官網如下

https://www.bioinformatics.babraham.ac.uk/projects/hicup/

數據處理的流程示意如下

首先通過hicup_truncater識別原始序列中的junction reads, 最典型的Hi-C的reads如下所示

R1和R2來自兩個不同的fragments, 當然這取決于插入偏度長度和讀長的關系，當連接點與fragment兩端的距離小于測序讀長是，會發生下圖所示的情況

其中一端的序列是一個嵌合體序列，這樣的序列在后續比對時會被過濾掉。為了保留這部分有效reads,hicup_truncater根據酶切位點的特征來識別所有reads上的連接位點，從而識別上圖中的嵌合體序列，并對這樣的序列末端進行切割，切除多余的嵌合體序列。切割完之后，這樣的序列和普通的R1,R2就一樣了，可以進行后續的mapping。

hicup_mapper將雙端reads與參考基因組比對，由于Hi-C文庫的R1和R2來源于空間結構近的染色質，其線性距離比傳統的雙端測序插入片段的長度大的多，如果直接進行雙端比對，覺得部分reads都比對不上參考基因組，所以這里是對每一端的序列分別比對，然后再進行合并。

hicup_filter對比對上的序列進行過濾，如下圖所示

只保留valid di-tags, 其他諸如selft-ligation, Re-ligation等片段都會被過濾掉。

hicup_deduplicator用來去除PCR重復，因為valid reads的多少用來表征染色質互作的頻率，PCR重復的reads數量會對這個信息造成干擾，如果不去除PCR重復，junction reads的數目多可能是PCR重復多，不一定是因為染色質交互頻率強而導致的reads多。

軟件的安裝也很方便，直接下載解壓縮即可。使用步驟如下

1. 準備參考基因組的索引文件

所有的參考基因組比對軟件都需要事先對基因組建立索引，HiCUP支持使用bowtie或bowtie2進行比對，以bowtie2為例，建立基因組索引的方式如下

bowite2-build hg19.fa hg19

第一個參數是基因組的fasta文件，第二個參數是輸出的索引文件的名稱。

2. 準備參考基因組酶切位點圖譜

采用hicup_digester這個腳本來創建基因組的酶切圖譜，基本用法如下

hicup_digester \
--re1 A^AGCTT,HindIII \
--genome hg19_digester_db \
hg19.fa

根據限制性內切酶識別的位點，將基因組序列進行模擬酶切，得到所有可能的酶切片段。--re1指定切割位點的序列和內切酶的名字，--genome指定輸出文件的名稱。最終輸出的文件名示例如下

Digest_hg19_digester_db_HindIII_None_09-46-07_17-05-2019.txt

3. 編輯配置文件

首先通過如下命令生成一個配置文件的模板

hicup --example

該命令會生成一個名為hicup_example.conf的文件，在此基礎上進行編輯就可以了。在配置中對每個選項都體用了詳細的注釋，根據需求修改即可。常用的修改的選項如下

#Path to the reference genome indices
#Remember to include the basename of the genome indices
Index: /bi/scratch/Genomes/Human/GRCh48/Homo_sapiens.GRCh48
#Path to the genome digest file produced by hicup_digester
Digest: /bi/scratch/Genomes/Human/GRCh48/Digest_Homo_sapiens_GRCh48_HindIII_None_14-43-31_10-02-2016.txt.gz
#FASTQ files to be analysed, placing paired files on adjacent lines
s_1_1_sequence.fastq.gz
s_1_2_sequence.fastq.gz

包括基因組索引和酶切圖譜的路徑，以及需要處理的Hi-C原始fastq文件的路徑。

4. 運行

準備好配置文件之后，就可以運行了，用法如下

hicup --config hicup.conf

在輸出結果的目錄會生成一個html文件，展示了質控的各項指標，內容如下所示

1. Truncating and Mapping

2.  Filtering

示意如下，可以看到valid  pairs的比例在50%左右

3. Length Distribution

4.  De-dupliation

除此之外，輸出目錄還有很多的文件，其中后綴為hicup_bam的文件包含了最終的de-duplication之后的reads的比對結果，可以用于下游的分析。

到此，關于“如何使用HiCUP進行Hi-C數據預處理”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！