表观遗传变异与转录因子模体分析管道
haystack_bio的Python项目详细描述
干草堆
========
表观遗传变异性和基序分析管道
-- < BR> 总结
Haystack是一套可供研究的计算工具
染色质状态的表观遗传变异性、跨细胞类型可塑性和转录因子（tfs）基序提供了染色质结构、细胞特性和基因调控的机制性见解。 < BR>
Haystack识别了不同细胞类型（也称为热点）的高度可变区域，以及通过整合多个数据类型介导细胞类型特定变化的潜在调节器。 < BR>
Haystack可与组蛋白修饰数据、DNA酶I超敏位点数据和甲基化数据一起使用，例如通过Chip Seq、DNA酶Seq和亚硫酸氢盐Seq分析获得，并在多种细胞类型中测量。此外，还可以整合从基于阵列或rna-seq方法获得的基因表达数据。 < BR>
特别是，Haystack突出了可变和细胞类型特异区域中丰富的TF基序，并量化了它们在附近基因上的活性和特异性（如果有基因表达数据）。 < BR>
管道概要和H3K27AC数据示例如下图所示： < BR>< BR>！[干草堆管道]（http://bcb.dfci.harvard.edu/~lpinello/haystack/final_figure.png） < BR>< BR>
**（a）**Haystack概述：模块和相应的函数。**（b）**对H3K27AC的热点分析：信号轨迹、变异轨迹和变异热点是从芯片序列对齐的数据中计算出来的；此外，还提取特定于给定单元类型的区域。**（c）**h1hesc细胞株pou5f1：：sox2特异区域的motif分析有显著意义；计算p值和q值、motif logo和平均轮廓。**（d）**与其他细胞类型（圆形）相比，h1esc中sox2的转录因子活性、sox2表达的x轴特异性（z-score）、y轴效应（z-score）对含有sox2基序区域附近基因的影响。 < BR>
Haystack设计为高度模块化。可以使用haystack管道命令调用整个管道，或者可以独立地使用和组合不同的模块。例如，在给定的基因组区域集合上，可以只使用调用"Haystack"模体的模体分析。如何使用Haystack一节对每个模块都有很好的描述。 < BR>
安装和要求
---
要安装haystack，在运行安装程序之前必须安装一些依赖项： < BR>
1）蟒蛇2.7 anaconda:http://continuum.io/downloads < BR>
2）Java:http://java.com/download < BR>
3）C编译器/制造商。对于OSX 10.7或更高版本的Mac，打开终端应用程序，键入并执行命令"make"，这将触发OSX开发工具的安装。官方不支持Windows系统。 < BR>
检查所需软件是否已安装后，您可以按照以下步骤从正式的python存储库安装haystack： < BR>
1）打开终端窗口 < BR>
2）键入命令： < BR>
pip安装haystack_bio—不使用轮子—冗长 < BR>< BR>
或者，如果要在不使用pip实用程序的情况下安装软件包： < BR>
1）下载安装文件：
https://github.com/lucapinello/haystack/archive/master.zip
如果你想预装人类和老鼠的基因组（hg19和mm9），可以下载这个：
http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack\u设置与基因组.zip < BR>
2）解压缩文件，您将得到一个名为haystack master的文件夹 < BR>
3）打开终端窗口，转到解压缩zip文件的文件夹，例如： < BR>< BR>
CD~/下载
大海捞针斯特 < BR>
4）键入安装命令： < BR>
python setup.py安装 < BR>
**重要**：安装程序将自动在主文件夹中创建一个名为"hayastack\u dependencies"的文件夹，并将所有必需的依赖项放在其中。_如果这个文件夹被删除，Haystack将不起作用！γ < BR>
如果要将文件夹放在其他位置，则需要设置环境变量： < BR>
Haystack_Dependencies_文件夹 < BR>
例如，在**安装之前，将文件夹放入/home/lpinello/other_stuff中**： < BR>
导出Haystack_dependencies_folder=/home/lpinello/other_内容 < BR>
Docker图像
----
如果您喜欢Docker，我们还提供Docker图像： < BR>
https://hub.docker.com/r/lucapinello/haystack_bio/ < BR>
要使用映像，请先安装docker:http://docker.com < BR>
然后键入命令： < BR>
码头工人拉卢卡皮内洛/干草堆生物 < BR>
有关如何使用Docket图像运行Haystack的示例，请参见下面的**测试Haystack**部分。_如果出现内存错误，请尝试至少为Docker映像分配8GB以运行Haystack。 < BR>
当前版本仅与64位体系结构上的类Unix操作系统兼容，并在以下平台上进行了测试：
-中心6.5
-Debian 6.0版
-ubuntu 12.04和14.04 LTS
-OSX特立独行和山狮 < BR>< BR>
操作系统说明
**在亚马逊网络服务（aws）云中的ubuntu（在14.04 LTS上测试）* < BR>
1。启动并连接到您从aws控制台选择的amazon实例（建议使用m3.large）或您的ubuntu机器。 < BR>
2。创建交换分区（**this step is only for the aws cloud**）
sudo dd if=/dev/zero of=/mnt/swapfile bs=1M计数=20096
sudo chown根：根/mnt/swapfile
sudo chmod 600/mnt/交换文件
sudo mkswap/移动/交换文件
sudo swapon/mnt/swapfile公司
sudo sh-c"echo"/mnt/swapfile交换默认值0 0'>；>/etc/fstab"
苏多斯瓦蓬-A
3。安装依赖项
sudo apt get update&；sudo apt get update&；sudo apt get install git wget default jre python setuptools python pip python dev python numpython scipy python matplotlib python pandas python imaging python setuptools unzip ghostscript使gcc g++zlib1g dev zlib1g-y
< BR>
__ < BR>
4。安装干草堆
sudo pip install haystack_bio--不使用轮子--冗长
< BR>
5。下载并运行测试数据集
wget http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_test_dataset_h3k27ac.tar.gz
tar xvzf haystack_test_dataset_h3k27ac.tar.gz
CD测试数据集
Haystack_pipeline samples_names.txt HG19干草堆管道样本
< BR>
所有结果都将存储在haystack_pipeline_result文件夹中 < BR>
**苹果OSX** < BR>
要在osx上安装haystack，您需要使用命令行工具（通常随xcode一起提供）。
如果没有，可以从这里下载：
https://developer.apple.com/downloads/index.action网站 < BR>
您可能需要创建一个免费的Apple开发者帐户。 < BR>
要生成Motif徽标，您需要最新版本的Xquartz，请从http://xquartz.macosforge.org/landing/下载并安装DMG。 < BR>
优胜美地的更新可能会破坏Motif徽标的生成。
如果您在haystack_motif实用程序的输出中没有看到motif徽标，请安装最新版本的xquartz:http://xquartz.macosforge.org/landing/。 < BR>
或者，如果您不想更新Xquartz，您可以从终端键入以下命令来解决问题：
sudo ln-s/opt/x11/usr/x11 SU BR/SUdo ln-s/opt/x11/usr/x11r6
< BR> 此外，还需要为Windows安装Java。 < BR>
注意：如果在自定义文件夹中安装haystack，请确保选择不带空格的路径。 < BR>< BR>
预计算分析
---- < BR>
我们已经在多个编码数据集上运行haystack，您可以下载预计算结果（变化轨迹、热点、特定区域、丰富的基序和活动平面）： < BR>
1。h3k27ac在人细胞系中的12条芯片序列分析+基因表达：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_h3k27ac.tar.gz
2。人类细胞系中17条DNA序列的分析+基因表达：（增益）http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_dnase.tar.gz和（损失）http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_dnase_defied.tar.gz
3。人类细胞系dna甲基化+基因表达的10个rrbs序列分析：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_methylization.tar.gz
4。H3K27ME3在人细胞系中的17条芯片序列分析+基因表达：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_H3K27ME3.tar.gz < BR>< BR>
如何使用干草堆
------
干草堆由5个模块组成： < BR>
1）**Haystack_Hotspots**：查找不同芯片序列、DNA序列或亚硫酸氢盐序列轨迹上的可变区域（甲基化数据仅支持Bigwig处理文件）。输入是一个包含BAM文件（删除PCR重复项）或bigwig（必须是.bw）的文件夹，或一个以制表符分隔的文本文件，其中包含两列：1。样本名称和2。对应的.bam/.bw文件的路径。例如，可以在名为"samples""names""hotspot.txt"的文件中写入类似的内容：
k562./input_data/k562h3k27ac_sorted_rmdup.bam
gm12878/输入数据/gm12878h3k27ac_排序的rmdup.bam
hepg2./输入数据/hepg2h3k27ac\u排序的rmdup.bam
h1hesc./input_data/h1hesch3k27ac_sorted_rmdup.bam
hsmm./input_data/hsmmh3k27ac_sorted_rmdup.bam
nhlf./input_data/nhlfh3k27ac_sorted_rmdup.bam
输出包括：
-每个曲目的规范化bigwig文件
-热点，即变化最大的区域
-每个轨道的可变和特定区域，这意味着与其他轨道相比，信号更丰富到特定轨道。
-来自Broad Institute的用于IGV软件（http://www.broad institute.org/igv/）的会话文件（.xml），用于轻松可视化生成的所有轨迹、热点和每个单元线的特定区域。要加载它，只需从IGV窗口顶部的输出文件夹中拖放文件"用igv.xml打开"或用文件加载到IGV中->；打开会话…如果无法打开文件，请更新您的igv版本。另外，请不要只移动.xml文件，您需要输出文件夹中的所有文件才能正确加载会话。 < BR>
**
假设您有一个名为/users/luca/mybamfolder的文件夹，可以使用以下命令运行可变性分析： < BR>
草堆热点/用户/luca/mybamfolder hg19
如果您有一个包含样本描述的文件，如"样本名称"hotspot.txt，则可以使用以下命令运行变异性分析： < BR>
Haystack热点示例 < BR>
2）**干草堆基序**：在给定的基因组区域中发现丰富的转录因子基序
输入是一组.bed格式的区域（http://genome.ucsc.edu/faq/faq format.html format1）和参考基因组，输出包括一个HTML报告，其中：
-富含p和q值的基序
-图案轮廓和徽标
-具有特定图案的区域列表以及这些区域中图案的坐标
-与具有特定基序的区域最接近的基因列表 <>
**
要分析hg19基因组上的bed文件myregions.bed： < BR>
草堆图案myregions.bed hg19 < BR>
要指定分析的自定义背景文件，例如"mybackgroundregions.bed"运行： < BR>
草堆图案myregions.bed hg19——bed-bg文件名mybackgroundregions.bed < BR>
要使用特定的motif数据库（默认为jaspar），请使用： < BR>
草堆图案myregions.bed hg19--meme_motions_filename my_database.meme < BR>
数据库文件必须采用meme格式：http://meme.nbcr.net/meme/doc/meme format.html min_u格式 < BR>
3）**Haystack-tfu活性平面**：量化整合基因表达数据的**Haystack-tfu基序**所增强的tfs的特异性和活性。 < BR>
输入由1组成。**Haystack_Motif**工具的输出文件夹，2。包含在制表符删除文件和3中指定的基因表达数据的一组文件。用于执行分析的目标单元格类型名称。每个基因表达式数据文件必须是一个制表符分隔的文本文件，包含两列：1。基因符号2。基因表达值。这样的文件（每种分析的单元格类型对应一个）应如下所示：
RNF14 7.408579
UBE2Q19.107306
ube2q2 7.847002
RNF10 9.500193
RNF11 7.545264
LRRC31 3.477048号
RNF13 7.670409
CBX4 7.070998标准
参考编号：6.148991
参考编号2 5.957589 < BR>< BR>< BR>
描述示例的文件（例如名为"sample_names_tf_activity.txt"的文件）应包含如下内容：
k562./输入数据/k562\u genes.txt
gm12878./输入数据/gm12878\u genes.txt
hepg2./输入数据//hepg2_genes.txt
h1hesc./input_data/h1hesc_genes.txt
hsmm./input_data/hsmm_genes.txt
nhlf./输入数据/nhlf.txt
< BR>
输出是一组图形，每个图形都包含给定基序的tf活动平面。 < BR>
**
假设实用程序**haystack_motif**在分析名为k562的单元格类型时创建了名为"haystack_motif"的文件夹，并且您已经编写了名为"tf_activity.txt"的示例，如上所述，您可以使用以下命令运行tf activity analysis： < BR>
Haystack_tf_activity_plane Haystack_motif_on_k562/sample_names_tf_activity.txt k562 < BR>
4）**haystack_pipeline**：自动执行wholw pipeline，即1）和2）和可选3）（如果提供了基因表达文件）查找热点、特定区域、基序并量化其在邻近基因上的活性。 < BR>
输入是一个以制表符分隔的文本文件，其中有两列或三列包含1。样本名称2。相应BAM文件3的路径。基因表达文件的路径，其格式与3中描述的相同；请注意，最后一列是可选的。 < BR>
例如，您可以有一个名为"samples\u names.txt"的文件，其内容如下：
k562./input_data/k562h3k27ac_sorted_rmdup.bam./input_data/k562_genes.txt
gm12878./输入数据/gm12878h3k27ac_sorted_rmdup.bam./输入数据/gm12878_genes.txt
hepg2./输入数据/hepg2h3k27ac_sorted_rmdup.bam./输入数据//hepg2_genes.txt
h1hesc./input_data/h1hesch3k27ac_sorted_rmdup.bam./input_data/h1hesc_genes.txt
hsmm./input_data/hsmmh3k27ac_sorted_rmdup.bam./input_data/hsmm_genes.txt
nhlf./input_data/nhlfh3k27ac_sorted_rmdup.bam./input_data/nhlf_genes.txt
< BR>
或者，可以指定包含.bam文件（删除PCR副本）或.bw文件（bigwig格式）的文件夹。 < BR>
**
假设有一个名为/users/luca/mybamfolder的文件夹，可以使用以下命令运行该命令： < BR>
干草堆管道/用户/luca/mybamfolder hg19 < BR>
注意：在这种情况下，管道运行1）和2），但不是3），因为没有提供基因表达数据。 < BR>
如果您有一个包含.bam或.bw文件名的示例说明文件（注意：不能将.bam和.bw）和基因表达数据，如上面描述的_samples_names.txt，您可以使用以下命令运行整个管道： < BR>
Haystack_pipeline samples_names.txt HG19干草堆管道样本 < BR>
5）**下载基因组**：它允许您以适当的格式从ucsc下载并添加参考基因组到haystack。下载基因组运行： < BR>
下载基因组名称 < BR>
**
要下载人类基因组程序集hg19运行： < BR>
下载基因组hg19 < BR>
注意：可能不需要显式调用此命令，因为它是在其他命令需要下载特定程序集时调用的。 < BR>
您可以使用-h或--help标志获得这5个命令中每个命令的所有参数的更多详细信息，该标志将打印一个很好的描述。 < BR>< BR>
测试干草堆
-- < BR>
要测试整个管道，可以从encode项目下载这组bam文件：
http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_test_dataset_h3k27ac.tar.gz < BR>
使用以下命令解压缩文件： < BR>
tar xvzf haystack_test_dataset_h3k27ac.tar.gz < BR>
进入包含测试数据的文件夹： < BR>
CD测试数据集 < BR>
然后使用提供的samples_names.txt文件运行haystack_pipeline命令： < BR>
Haystack_pipeline samples_names.txt HG19干草堆管道样本 < BR>
如果使用Docker映像，请使用以下命令运行： < BR>
docker run-v${pwd}:/data-w/data-i lucapinello/haystack_bio haystack_pipeline samples_names.txt hg19 < BR>
如果在窗口上运行Docker，则必须指定完整路径： < BR>
docker run-v//c/users/luca/downloads/test_dataset:/data-w/data-i lucapinello/haystack_bio haystack_pipeline samples_names.txt hg19 < BR>
这将重新创建概要图中显示的面板和绘图，以及测试数据集中包含的所有其他单元格类型的其他面板和绘图。 < BR>
引文
--
*如果您在研究中使用Haystack，请引用以下文章*：
*卢卡·皮内罗、徐健、斯图尔特·奥金和郭成元。染色质状态可塑性分析确定H3K27ME3模式PNAS 2014的细胞类型特异性调节器；2014年1月6日出版，doi:10.1073/pnas.1322570111 < BR>
联系人
--
请将任何评论或错误发送到Jimmy Dot Harvard Dot Edu的lpinello < BR>
此发行版中包含并使用的第三方软件
---
1。Peakannotator：http://www.ebi.ac.uk/research/bertone/software
2。来自meme套件的fimo（4.9.1）：http://meme.nbcr.net/meme/
3。Weblogo:http://weblogo.berkeley.edu/logo.cgi
4。samtools（0.1.19）：http://samtools.sourceforge.net/
5。bedtools（2.20.1）：https://github.com/arq5x/bedtools2
6。UCSC Kent实用程序中的BedGraphToBigWig和BigWigAverageOverbed:http://hgdownload.cse.ucsc.edu/admin/jksrc.zip
========
表观遗传变异性和基序分析管道
-- < BR> 总结
Haystack是一套可供研究的计算工具
染色质状态的表观遗传变异性、跨细胞类型可塑性和转录因子（tfs）基序提供了染色质结构、细胞特性和基因调控的机制性见解。 < BR>
Haystack识别了不同细胞类型（也称为热点）的高度可变区域，以及通过整合多个数据类型介导细胞类型特定变化的潜在调节器。 < BR>
Haystack可与组蛋白修饰数据、DNA酶I超敏位点数据和甲基化数据一起使用，例如通过Chip Seq、DNA酶Seq和亚硫酸氢盐Seq分析获得，并在多种细胞类型中测量。此外，还可以整合从基于阵列或rna-seq方法获得的基因表达数据。 < BR>
特别是，Haystack突出了可变和细胞类型特异区域中丰富的TF基序，并量化了它们在附近基因上的活性和特异性（如果有基因表达数据）。 < BR>
管道概要和H3K27AC数据示例如下图所示： < BR>< BR>！[干草堆管道]（http://bcb.dfci.harvard.edu/~lpinello/haystack/final_figure.png） < BR>< BR>
**（a）**Haystack概述：模块和相应的函数。**（b）**对H3K27AC的热点分析：信号轨迹、变异轨迹和变异热点是从芯片序列对齐的数据中计算出来的；此外，还提取特定于给定单元类型的区域。**（c）**h1hesc细胞株pou5f1：：sox2特异区域的motif分析有显著意义；计算p值和q值、motif logo和平均轮廓。**（d）**与其他细胞类型（圆形）相比，h1esc中sox2的转录因子活性、sox2表达的x轴特异性（z-score）、y轴效应（z-score）对含有sox2基序区域附近基因的影响。 < BR>
Haystack设计为高度模块化。可以使用haystack管道命令调用整个管道，或者可以独立地使用和组合不同的模块。例如，在给定的基因组区域集合上，可以只使用调用"Haystack"模体的模体分析。如何使用Haystack一节对每个模块都有很好的描述。 < BR>
安装和要求
---
要安装haystack，在运行安装程序之前必须安装一些依赖项： < BR>
1）蟒蛇2.7 anaconda:http://continuum.io/downloads < BR>
2）Java:http://java.com/download < BR>
3）C编译器/制造商。对于OSX 10.7或更高版本的Mac，打开终端应用程序，键入并执行命令"make"，这将触发OSX开发工具的安装。官方不支持Windows系统。 < BR>
检查所需软件是否已安装后，您可以按照以下步骤从正式的python存储库安装haystack： < BR>
1）打开终端窗口 < BR>
2）键入命令： < BR>
pip安装haystack_bio—不使用轮子—冗长 < BR>< BR>
或者，如果要在不使用pip实用程序的情况下安装软件包： < BR>
1）下载安装文件：
https://github.com/lucapinello/haystack/archive/master.zip
如果你想预装人类和老鼠的基因组（hg19和mm9），可以下载这个：
http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack\u设置与基因组.zip < BR>
2）解压缩文件，您将得到一个名为haystack master的文件夹 < BR>
3）打开终端窗口，转到解压缩zip文件的文件夹，例如： < BR>< BR>
CD~/下载
大海捞针斯特 < BR>
4）键入安装命令： < BR>
python setup.py安装 < BR>
**重要**：安装程序将自动在主文件夹中创建一个名为"hayastack\u dependencies"的文件夹，并将所有必需的依赖项放在其中。_如果这个文件夹被删除，Haystack将不起作用！γ < BR>
如果要将文件夹放在其他位置，则需要设置环境变量： < BR>
Haystack_Dependencies_文件夹 < BR>
例如，在**安装之前，将文件夹放入/home/lpinello/other_stuff中**： < BR>
导出Haystack_dependencies_folder=/home/lpinello/other_内容 < BR>
Docker图像
----
如果您喜欢Docker，我们还提供Docker图像： < BR>
https://hub.docker.com/r/lucapinello/haystack_bio/ < BR>
要使用映像，请先安装docker:http://docker.com < BR>
然后键入命令： < BR>
码头工人拉卢卡皮内洛/干草堆生物 < BR>
有关如何使用Docket图像运行Haystack的示例，请参见下面的**测试Haystack**部分。_如果出现内存错误，请尝试至少为Docker映像分配8GB以运行Haystack。 < BR>
当前版本仅与64位体系结构上的类Unix操作系统兼容，并在以下平台上进行了测试：
-中心6.5
-Debian 6.0版
-ubuntu 12.04和14.04 LTS
-OSX特立独行和山狮 < BR>< BR>
操作系统说明
**在亚马逊网络服务（aws）云中的ubuntu（在14.04 LTS上测试）* < BR>
1。启动并连接到您从aws控制台选择的amazon实例（建议使用m3.large）或您的ubuntu机器。 < BR>
2。创建交换分区（**this step is only for the aws cloud**）
sudo dd if=/dev/zero of=/mnt/swapfile bs=1M计数=20096
sudo chown根：根/mnt/swapfile
sudo chmod 600/mnt/交换文件
sudo mkswap/移动/交换文件
sudo swapon/mnt/swapfile公司
sudo sh-c"echo"/mnt/swapfile交换默认值0 0'>；>/etc/fstab"
苏多斯瓦蓬-A
3。安装依赖项
sudo apt get update&；sudo apt get update&；sudo apt get install git wget default jre python setuptools python pip python dev python numpython scipy python matplotlib python pandas python imaging python setuptools unzip ghostscript使gcc g++zlib1g dev zlib1g-y
< BR>
__ < BR>
4。安装干草堆
sudo pip install haystack_bio--不使用轮子--冗长
< BR>
5。下载并运行测试数据集
wget http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_test_dataset_h3k27ac.tar.gz
tar xvzf haystack_test_dataset_h3k27ac.tar.gz
CD测试数据集
Haystack_pipeline samples_names.txt HG19干草堆管道样本
< BR>
所有结果都将存储在haystack_pipeline_result文件夹中 < BR>
**苹果OSX** < BR>
要在osx上安装haystack，您需要使用命令行工具（通常随xcode一起提供）。
如果没有，可以从这里下载：
https://developer.apple.com/downloads/index.action网站 < BR>
您可能需要创建一个免费的Apple开发者帐户。 < BR>
要生成Motif徽标，您需要最新版本的Xquartz，请从http://xquartz.macosforge.org/landing/下载并安装DMG。 < BR>
优胜美地的更新可能会破坏Motif徽标的生成。
如果您在haystack_motif实用程序的输出中没有看到motif徽标，请安装最新版本的xquartz:http://xquartz.macosforge.org/landing/。 < BR>
或者，如果您不想更新Xquartz，您可以从终端键入以下命令来解决问题：
sudo ln-s/opt/x11/usr/x11 SU BR/SUdo ln-s/opt/x11/usr/x11r6
< BR> 此外，还需要为Windows安装Java。 < BR>
注意：如果在自定义文件夹中安装haystack，请确保选择不带空格的路径。 < BR>< BR>
预计算分析
---- < BR>
我们已经在多个编码数据集上运行haystack，您可以下载预计算结果（变化轨迹、热点、特定区域、丰富的基序和活动平面）： < BR>
1。h3k27ac在人细胞系中的12条芯片序列分析+基因表达：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_h3k27ac.tar.gz
2。人类细胞系中17条DNA序列的分析+基因表达：（增益）http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_dnase.tar.gz和（损失）http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_dnase_defied.tar.gz
3。人类细胞系dna甲基化+基因表达的10个rrbs序列分析：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_methylization.tar.gz
4。H3K27ME3在人细胞系中的17条芯片序列分析+基因表达：http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_H3K27ME3.tar.gz < BR>< BR>
如何使用干草堆
------
干草堆由5个模块组成： < BR>
1）**Haystack_Hotspots**：查找不同芯片序列、DNA序列或亚硫酸氢盐序列轨迹上的可变区域（甲基化数据仅支持Bigwig处理文件）。输入是一个包含BAM文件（删除PCR重复项）或bigwig（必须是.bw）的文件夹，或一个以制表符分隔的文本文件，其中包含两列：1。样本名称和2。对应的.bam/.bw文件的路径。例如，可以在名为"samples""names""hotspot.txt"的文件中写入类似的内容：
k562./input_data/k562h3k27ac_sorted_rmdup.bam
gm12878/输入数据/gm12878h3k27ac_排序的rmdup.bam
hepg2./输入数据/hepg2h3k27ac\u排序的rmdup.bam
h1hesc./input_data/h1hesch3k27ac_sorted_rmdup.bam
hsmm./input_data/hsmmh3k27ac_sorted_rmdup.bam
nhlf./input_data/nhlfh3k27ac_sorted_rmdup.bam
输出包括：
-每个曲目的规范化bigwig文件
-热点，即变化最大的区域
-每个轨道的可变和特定区域，这意味着与其他轨道相比，信号更丰富到特定轨道。
-来自Broad Institute的用于IGV软件（http://www.broad institute.org/igv/）的会话文件（.xml），用于轻松可视化生成的所有轨迹、热点和每个单元线的特定区域。要加载它，只需从IGV窗口顶部的输出文件夹中拖放文件"用igv.xml打开"或用文件加载到IGV中->；打开会话…如果无法打开文件，请更新您的igv版本。另外，请不要只移动.xml文件，您需要输出文件夹中的所有文件才能正确加载会话。 < BR>
**
假设您有一个名为/users/luca/mybamfolder的文件夹，可以使用以下命令运行可变性分析： < BR>
草堆热点/用户/luca/mybamfolder hg19
如果您有一个包含样本描述的文件，如"样本名称"hotspot.txt，则可以使用以下命令运行变异性分析： < BR>
Haystack热点示例 < BR>
2）**干草堆基序**：在给定的基因组区域中发现丰富的转录因子基序
输入是一组.bed格式的区域（http://genome.ucsc.edu/faq/faq format.html format1）和参考基因组，输出包括一个HTML报告，其中：
-富含p和q值的基序
-图案轮廓和徽标
-具有特定图案的区域列表以及这些区域中图案的坐标
-与具有特定基序的区域最接近的基因列表 <>
**
要分析hg19基因组上的bed文件myregions.bed： < BR>
草堆图案myregions.bed hg19 < BR>
要指定分析的自定义背景文件，例如"mybackgroundregions.bed"运行： < BR>
草堆图案myregions.bed hg19——bed-bg文件名mybackgroundregions.bed < BR>
要使用特定的motif数据库（默认为jaspar），请使用： < BR>
草堆图案myregions.bed hg19--meme_motions_filename my_database.meme < BR>
数据库文件必须采用meme格式：http://meme.nbcr.net/meme/doc/meme format.html min_u格式 < BR>
3）**Haystack-tfu活性平面**：量化整合基因表达数据的**Haystack-tfu基序**所增强的tfs的特异性和活性。 < BR>
输入由1组成。**Haystack_Motif**工具的输出文件夹，2。包含在制表符删除文件和3中指定的基因表达数据的一组文件。用于执行分析的目标单元格类型名称。每个基因表达式数据文件必须是一个制表符分隔的文本文件，包含两列：1。基因符号2。基因表达值。这样的文件（每种分析的单元格类型对应一个）应如下所示：
RNF14 7.408579
UBE2Q19.107306
ube2q2 7.847002
RNF10 9.500193
RNF11 7.545264
LRRC31 3.477048号
RNF13 7.670409
CBX4 7.070998标准
参考编号：6.148991
参考编号2 5.957589 < BR>< BR>< BR>
描述示例的文件（例如名为"sample_names_tf_activity.txt"的文件）应包含如下内容：
k562./输入数据/k562\u genes.txt
gm12878./输入数据/gm12878\u genes.txt
hepg2./输入数据//hepg2_genes.txt
h1hesc./input_data/h1hesc_genes.txt
hsmm./input_data/hsmm_genes.txt
nhlf./输入数据/nhlf.txt
< BR>
输出是一组图形，每个图形都包含给定基序的tf活动平面。 < BR>
**
假设实用程序**haystack_motif**在分析名为k562的单元格类型时创建了名为"haystack_motif"的文件夹，并且您已经编写了名为"tf_activity.txt"的示例，如上所述，您可以使用以下命令运行tf activity analysis： < BR>
Haystack_tf_activity_plane Haystack_motif_on_k562/sample_names_tf_activity.txt k562 < BR>
4）**haystack_pipeline**：自动执行wholw pipeline，即1）和2）和可选3）（如果提供了基因表达文件）查找热点、特定区域、基序并量化其在邻近基因上的活性。 < BR>
输入是一个以制表符分隔的文本文件，其中有两列或三列包含1。样本名称2。相应BAM文件3的路径。基因表达文件的路径，其格式与3中描述的相同；请注意，最后一列是可选的。 < BR>
例如，您可以有一个名为"samples\u names.txt"的文件，其内容如下：
k562./input_data/k562h3k27ac_sorted_rmdup.bam./input_data/k562_genes.txt
gm12878./输入数据/gm12878h3k27ac_sorted_rmdup.bam./输入数据/gm12878_genes.txt
hepg2./输入数据/hepg2h3k27ac_sorted_rmdup.bam./输入数据//hepg2_genes.txt
h1hesc./input_data/h1hesch3k27ac_sorted_rmdup.bam./input_data/h1hesc_genes.txt
hsmm./input_data/hsmmh3k27ac_sorted_rmdup.bam./input_data/hsmm_genes.txt
nhlf./input_data/nhlfh3k27ac_sorted_rmdup.bam./input_data/nhlf_genes.txt
< BR>
或者，可以指定包含.bam文件（删除PCR副本）或.bw文件（bigwig格式）的文件夹。 < BR>
**
假设有一个名为/users/luca/mybamfolder的文件夹，可以使用以下命令运行该命令： < BR>
干草堆管道/用户/luca/mybamfolder hg19 < BR>
注意：在这种情况下，管道运行1）和2），但不是3），因为没有提供基因表达数据。 < BR>
如果您有一个包含.bam或.bw文件名的示例说明文件（注意：不能将.bam和.bw）和基因表达数据，如上面描述的_samples_names.txt，您可以使用以下命令运行整个管道： < BR>
Haystack_pipeline samples_names.txt HG19干草堆管道样本 < BR>
5）**下载基因组**：它允许您以适当的格式从ucsc下载并添加参考基因组到haystack。下载基因组运行： < BR>
下载基因组名称 < BR>
**
要下载人类基因组程序集hg19运行： < BR>
下载基因组hg19 < BR>
注意：可能不需要显式调用此命令，因为它是在其他命令需要下载特定程序集时调用的。 < BR>
您可以使用-h或--help标志获得这5个命令中每个命令的所有参数的更多详细信息，该标志将打印一个很好的描述。 < BR>< BR>
测试干草堆
-- < BR>
要测试整个管道，可以从encode项目下载这组bam文件：
http://bcb.dfci.harvard.edu/~lpinello/haystack/haystack_test_dataset_h3k27ac.tar.gz < BR>
使用以下命令解压缩文件： < BR>
tar xvzf haystack_test_dataset_h3k27ac.tar.gz < BR>
进入包含测试数据的文件夹： < BR>
CD测试数据集 < BR>
然后使用提供的samples_names.txt文件运行haystack_pipeline命令： < BR>
Haystack_pipeline samples_names.txt HG19干草堆管道样本 < BR>
如果使用Docker映像，请使用以下命令运行： < BR>
docker run-v${pwd}:/data-w/data-i lucapinello/haystack_bio haystack_pipeline samples_names.txt hg19 < BR>
如果在窗口上运行Docker，则必须指定完整路径： < BR>
docker run-v//c/users/luca/downloads/test_dataset:/data-w/data-i lucapinello/haystack_bio haystack_pipeline samples_names.txt hg19 < BR>
这将重新创建概要图中显示的面板和绘图，以及测试数据集中包含的所有其他单元格类型的其他面板和绘图。 < BR>
引文
--
*如果您在研究中使用Haystack，请引用以下文章*：
*卢卡·皮内罗、徐健、斯图尔特·奥金和郭成元。染色质状态可塑性分析确定H3K27ME3模式PNAS 2014的细胞类型特异性调节器；2014年1月6日出版，doi:10.1073/pnas.1322570111 < BR>
联系人
--
请将任何评论或错误发送到Jimmy Dot Harvard Dot Edu的lpinello < BR>
此发行版中包含并使用的第三方软件
---
1。Peakannotator：http://www.ebi.ac.uk/research/bertone/software
2。来自meme套件的fimo（4.9.1）：http://meme.nbcr.net/meme/
3。Weblogo:http://weblogo.berkeley.edu/logo.cgi
4。samtools（0.1.19）：http://samtools.sourceforge.net/
5。bedtools（2.20.1）：https://github.com/arq5x/bedtools2
6。UCSC Kent实用程序中的BedGraphToBigWig和BigWigAverageOverbed:http://hgdownload.cse.ucsc.edu/admin/jksrc.zip
欢迎加入QQ群-->： 979659372
