450K甲基化芯片数据处理传送门
写在前面Illumina甲基化芯片目前仍是很多实验室做甲基化项目的首选,尤其是对于大样本研究而言,其性价比相当高。这种芯片的发展主要经历了27K、450K以及850K,目前积累的数据主要是450K芯片的,未来850K可能会成为主流。之前我写过一篇450K芯片预处理的帖子,其中也介绍了这种芯片的基础知识以及流程图和代码,大家可以先看看。芯片的处理流程一般就是:数据读入——数据过滤——数据校正——下游分析。 step1:计算机资源的准备与测序相比,芯片的处理可能对计算资源的要求是不算高,主要使用的工具就是R,R的使用比较耗内存,尤其是处理大批量数据的时候。 R本身是支持各种系统的,所以不管是mac、windows还是linux理论上都是可以的,只要下载对应版本即可。当然,如果你会linux最好在linux操作。其实数据分析很多都是相通的,所以之前群主推荐的配置和工具都是可以拿来用的。 需要安装的R packages包括 ChAMP,minfi和wateRmelon等. 作业1step2:读文章拿到测序数据作业2step3:了解芯片数据需要阅读相关的资料,比如illumina的官网介绍及相关的文献,对甲基化及该芯片的技术核心有一定了解,对于存在的问题也要知道,这对于后面分析时理解校正的意义非常重要! 作业3理解芯片的probe,Bead,p值,I型探针和II型探针等。 step4:了解probe注释在GEO或者illumina下载450K注释文件,理解每一列的意义及探针的分类。或者下载官网的manifest文件并且理解。 作业4下载注释文件,理解甲基化探针的分类及注释。 step5:数据读入处理甲基化芯片的R包其实很多,我之前用的是minfi,现在用ChAMP应该更加方便,它整合了很多分析处理数据的方法,例如过滤和校正等,所以大家可以以ChAMP为主。 作业5查看甲基化芯片文件的命名规则,整理文件读入所需的表格,使用ChAMP包读入文件。 step6:数据过滤及数据校正数据过滤主要是根据p值和bead数,probe还需要注意过滤snp和multiple-hit,样本过滤可以考虑PCA或MDS,很多时候R包会直接帮我们做了,但是需要对过滤的标准做到心中有数。 数据校正主要是I型探针和II型探针校正,批次校正和混杂因素校正等。 作业6根据p值和bead数过滤探针和样本,过滤SNP和multiple-hit的探针,使用BMIQ校正探针类型,使用combat校正批次效应,使用lm校正混杂因素。 step7:下游分析下游分析一般根据需求来定,比如差异甲基化分析、甲基化与表达的整合分析等。 作业7学习T-test和线性回归的差异甲基化分析。 step8:探针注释、绘图等甲基化探针可以根据官方给的注释文件进行基因和CGI的注释。 也可以使用webgestalt对感兴趣的探针做GO和Pathway的分析。 可以使用ggplot等对探针的分布进行绘图。 作业8理解甲基化探针的CGI及基因位置注释并且简单可视化。 后记希望和大家一起学习,共同进步。
扫下面微信二维码添加好友,拉你入群,请注明姓名+单位+研究方向。
欢迎添加入群
|