3D-Genome | TAD调用之TopDom

合集说明

本系列合集主要用于 3D-Genome (Hi-C ) 系列的分析，主要涉及三维基因组分析中的数据处理，重复性评估，Compartment/TAD/Loop 检测，差异分析等，欢迎订阅！

软件依赖

需要以下软件和工具来分析与检查数据：

• R 版本 3.6.0：用于 TAD 调用和富集分析。
• TopDom：用于 TAD 调用（R 中安装）。

数据集

用于 TAD（拓扑关联结构域）分析的 Hi-C 数据取自淋巴母细胞系 GM 12878（数据已放入交流群）。以染色体 19 的分析为例进行展示，但同样的方法完全可以应用于其他所有染色体，进而开展全基因组层面的分析。将基于所需的分辨率，假定输入数据是经过标准化处理的基因组区间计数。

在上述链接中提供的数据是一个标准化计数矩阵，这是 TopDom 工具所要求的格式。这种数据格式可以轻松转换为其他 TAD 调用工具所需的格式。

TopDom

|325

|325

TopDom[1] 的运行分为三个步骤。首先，它计算一个名为 binSignal 的分数，该分数表示每个基因组区间（bin）在其周围的上游和下游区域之间的计数平均值。通常情况下，这个指标在 TAD（拓扑关联结构域）的边界处会比较低，而在 TAD 的中间位置则会比较高。接下来，它通过分段线性函数来检测 binSignal 的最小值，这些最小值即为候选的 TAD 边界。在算法的最后一步中，通过 Wilcoxon 秩和检验来评估，保留那些在上游和下游区间之间显著缺乏相互作用的边界，与这些区间内的接触计数相比，这些边界被认为是真正有意义的，从而对边界列表进行优化和细化。

Input

期望的数据格式是一个 N×(N+3) 的标准化计数矩阵。其中，前三个列分别表示基因组区间的染色体编号、起始位置和终止位置（即基因组坐标）。矩阵的其余部分则包含各个区间之间的接触值。这个矩阵可以存储为普通的文本文件，也可以采用压缩格式（例如 gzip 压缩）。此外，一个 N×(N+4) 的格式也是被接受的，这种格式比前面提到的多了一个 ID 列，用于标识每个区间。下面展示了一个示例输入文件。

参数

TopDom 的唯一可调节参数是窗口大小（window. Size）。这个参数用于控制在第一步计算每个区间（bin）的 binSignal 时，以及在最后一步过滤假阳性结果时，所考察的区域范围。根据研究，推荐窗口大小在 5 到 20 个区间之间，并且在分析中发现，窗口大小为 5 时效果最佳。

Running

当在 R 软件环境中安装并加载该软件包后，可以直接在每个染色体上通过 TopDom 函数启动 TopDom 分析。该函数需要指定输入文件（即接触矩阵，此处称为 topDom_file）、窗口大小以及输出文件名（此处将输出文件名存储在变量 topDom_outFile 中）。

topDom_file <- "GM12878_chr19_25kb_matrix_pos_zero.txt"

topDom_outFile <- "result.txt"

topDom_out <- TopDom(topDom_file, window.size=5, outFile=topDom_outFile)

# running time
# user system elapsed
# 54.278 0.632 54.915

输出

TopDom 函数的输出结果是一个包含 3 个数据框（binSignal、domain 和 bed）的列表。这些数据框将分别保存到“<topDom_outFile>. bed”“<topDom_outFile>. binSignal”和“<topDom_outFile>. domain”这三个文本文件中（“. Bed”文件除外，其他文件都包含标题行），前提是提供了 outFile 参数。

该算法将基因组划分为非重叠的 TAD（拓扑关联结构域）区域和 TAD 之间的间隙区域（gap），这些区域可以从 bed 数据框中提取。因此，为了生成一个类似 3 列 BED 格式的 TAD 列表，需要根据名称列对数据进行筛选，仅保留 domain 行。Domain 表包含了与 bed 数据框相似的信息，但额外增加了几列：以区间坐标（而非基因组坐标）表示的起始和终止位置，以及一个字段，记录每个 TAD 的大小（以碱基对为单位）。最后，输出中的 binSignal 元素是一个数据框，它记录了染色体上每个区间在程序运行过程中计算的统计信息，包括上游和下游染色质区域之间的平均接触频率（mean. Cf 列）以及 Wilcoxon 秩和检验的 p 值（pvalue 列）。

head(topDom_out[["bed"]], 3)
# chrom chromStart chromEnd name
# chr19 0 75000 gap
# chr19 75000 125000 domain
# chr19 125000 300000 domain

head(topDom_out[["binSignal"]], 3)
# id chr from.coord to.coord local.ext mean.cf pvalue
# 1 chr19 0 25000 -0.5 0.0000 1.00000000
# 2 chr19 25000 50000 -0.5 0.0000 1.00000000
# 3 chr19 50000 75000 -0.5 0.0000 1.00000000

head(topDom_out[["domain"]], 3)
# chr from.id from.coord to.id to.coord tag size
# chr19 1 0 3 75000 gap 75000
# chr19 4 75000 5 125000 domain 50000
# chr19 6 125000 12 300000 domain 175000

topDom_results_dt <- topDom_out[["bed"]]

# filter the inter-TAD regions:
topDom_tads_dt <- [topDom_results_dt$name == "domain",]

Reference

[1]

Source: https://academic.oup.com/nar/article/44/7/e70/2467818?login=false#41652104