Macs处理ChIP_Seq数据

随着测序技术的改进，染色质免疫沉淀和高通量测序（ChIP-Seq）在研究全基因组蛋白质-DNA相互作用方面越来越流行。为了解决芯片序列分析方法的不足，我们提出了基于模型的芯片序列分析（MACS），用于识别转录因子结合位点。MACS捕捉基因组复杂性的影响以评估富集芯片区域的重要性，并且MACS通过结合测序标签位置和方向的信息来提高结合位点的空间分辨率。MACS可以很容易地单独用于芯片序列数据，或用于增加特异性的对照样品。此外，作为一般的峰值调用者，MACS也可以应用于任何“DNA富集分析”，如果要问的问题很简单：我们可以在哪里找到比随机背景更重要的读取覆盖率。

MACS中有七个主要功能作为子命令。

### 1. conda 安装
conda install macs2
 
### 2. 比对和统计
 
bwa mem ref.fa test_read1.fq test_read2.fq > test_pe.sam  # PE 
 
# bwa mem ref.fa test.fq.gz > test_pe.sam  # SE
 
samtools flagstat test_pe.sam
# 保留只比对到一个位点的序列
samtools view -bq test_pe.sam >test_unique.bam
samtools flagstat test_unique.bam
 
###3. 去重
macs2 filterdup -i test_unique.bam -g hs --keep-dup 1 -o test.bed
 
# % redundancy in the .err file
 
### 3. Call peaks
 
# without control 
macs2 call peaks  -t test.bed -f AUTO -g hs -q <FDR cutoff> -fe-cutoff <fold change>
--outdir path/to/save/your/output/dir  -n output_prefix
 
#-t/--treatment filename, -c/--control, -n/--output name, -f/--format of tag files
#--outdir/--the folder where all the output files saved into, -n/--name of the output as NAME_peaks.bed
#-g/--gsize The default hs -- 2.7e9 is recommended as for UCSC human hg18 assembly
#-q/--qvalue (minimum FDR) cutoff to call significant regions. Default is 0.05.
 
# with control
macs2 call peaks  -t treat.bed -c control.bed -f AUTO -g hs -q <FDR cutoff> -fe-cutoff <fold change>
--outdir path/to/save/your/output/dir -n output_prefix

参考：

https://macs3-project.github.io/MACS/