第6篇：重复样本的处理——IDR

ATAC-seq/ChIP-Seq中重复样本的处理

ATAC-Seq要求必须有2次或更多次生物学重复（十分珍贵或者稀有样本除外，但必须做至少2次技术重复）。理论上重复样本的peaks应该有高度的一致性，实际情况并不完全与预期一致。如何评价重复样本的重复性的好坏？如何得到一致性的peaks?

1. 用Bedtools进行简单的overlap合并重复样本

2. 用IDR（Irreproducibility Discovery Rate）的方法获得高重复性的peaks

如何得到两个重复样本间一致性的peaks? 一种简单粗暴的方法就是用 bedtools 计算peaks的overlaps。

用法： bedtools intersect [OPTIONS] -a bed/gff/vcf/bam -b bed/gff/vcf/bam

其他常用参数解释和图解如下：

评估重复样本间peaks一致性的另一种方法是IDR。IDR是通过比较一对经过排序的regions/peaks 的列表，然后计算反映其重复性的值。

IDR在 ENCODE 和modENCODE项目中被广泛使用，也是 ChIP-seq指南和标准 中的一部分。

使用IDR的注意事项：

--samples :narrowPeak的输入文件（重复样本）

--input-file-type ：输入文件格式包括narrowPeak,broadPeak,bed

--rank p.value ：以p-value排序

--output-file : 输出文件路径

--plot ：输出IDR度量值的结果

输出文件解读：

详细内容可参考：

（1）sample-idr

sample-idr是common peaks的结果输出文件，格式与输入文件格式类似，只是多了几列信息。前10列是标准的narrowPeak格式文件，包含重复样本整合后的peaks信息。

其他列信息如下：

wc -l *-idr 计算下common peaks的个数，接着可再计算下与总peaks的比率。

如果想看IDR0.05的，可以通过第5列信息过滤：

awk '{if($5 = 540) print $0}' sample-idr | wc -l

（2）sample-idr.log

log文件会给出peaks通过IDR 0.05的比率，如下图所示

左上： Rep1 peak ranks vs Rep2 peak ranks, 没有通过特定IDR阈值的peaks显示为红色。

右上：Rep1 log10 peak scores vs Rep2 log10 peak scores，没有通过特定IDR阈值的peaks显示为红色。

下面两个图： Peak rank vs IDR scores，箱线图展示了IDR值的分布，默认情况下，IDR值的阈值为-1E-6。

哈佛深度NGS数据分析课程

06-Handling replicates in ChIP-Seq

谁打字快 帮忙把图片上的文字打出来 谢谢！

scan 略读 track follow in the wake of 跟随在...... 之后 concern v关切，忧虑 contrabute to =lead to导致，造成 contributory factor （2015 完 17） irreproducibility produce v.产生，生产 producible 能生产的 32题 manuscript n.文稿，手稿 script n. 文稿 tapescript 录音文稿 additional scrutiny 额外的审查 Para2 existing 现前的，目前的 review 评论，评议 revise v.复习，修订，修改 revision n.复习 the newly revised edition 最新修订版