-
Notifications
You must be signed in to change notification settings - Fork 17
3.参数及数据测试
可以通过cLoops -h查看所有选项设置，下面我们讲解一下一些关键参数。
例如:
cLoops -f my_data.bedpe.gz -o my_data_prefix -eps 2000 -minPts 25
输入需要处理的bedpe格式的PETs文件（gzip压缩的也可以）-f A.bedpe.gz ; 或者是技术重复或生物重复的数据 -f A.bedpe.gz,B.bedpe.gz,C.bedpe.gz
输出文件的前缀名 -o my_data_prefix
cDBSCAN中关键的参数，判定相邻点之间的距离参数，可以是单个值也可以是以英文逗号为分隔符的几个值; 对于具有sharp峰型的ChIA-PET数据，例如CTCF, 通常使用模型自动估计 -eps 0; 但是对于富集区域宽的ChIA-PET数据，例如H3K27ac/H3K4me1 经验参数设置-eps 2000,5000；对于HiChIP或者HiC等较为稀疏的数据，通常我们设置的eps更多一点 -eps 2000,4000,6000,8000,10000;请注意，eps值越多算法需要的时间越长，原理上相当于对每个eps跑一下得到结果最后合并所有的结果。当然也可以选择比较小的染色体，跑一系列的eps，然后可视化看一下结果选择合适的那个。
cDBSCAN中重要参数，聚类中类的最小数量，通俗解释即要求一个loop中至少有几个PETs，一般情况是测序深度深的就设大一点，浅的就设小一点；对于ChIA-PET数据，通常我们设置 -minPts 5; 对于HiChIP或Hi-C数据，请设大一点，例如10开始然后倍增。
处理HiChIP或者高精度的HiC数据时，选择使用。因为在处理ChIA-PET数据和HiChIP数据的统计严格度是不一样的，默认值是No；-hic 1开启。对于ChIA-PET数据，cLoops给出的各种p-values和距离相关性很弱，而在HiChIP和HiC数据里面，超几何检验的p-value会和距离相关性较强，因此在-hic 1选项中，我们依靠poisson & binomal的p-values来筛选结果。
cLoops v8新添加的参数，为不同数据预设的参数组合。-m 0为接受用户输入的-eps, -minPts和-hic;-m 1可用于具有窄峰型的ChIA-PET数据，相当于-eps 500,1000,2000 -minPts 5; -m 2 可用于具有宽峰型的ChIA-PET数据，相当于-eps 1000,2000,5000 -minPts 5; -m 3可用于测序深度较深的Hi-C和HiChIP数据（例如所得到的cis PET>=100 million）, 相当于-eps 2000,5000,10000 -minPts 30 -hic 1。
进行数据处理的CPU数量，默认是1，表示只用一个CPU处理，-p 1; 也可以设置成-1，启动所用CPU进行数据处理。由于每个CPU处理一条染色体上的数据，所以并行情况下有可能导致爆内存，尤其是Hi-C或者HiChIP数据。>200M PETs的最大一条染色体占用内存大概30G左右。接下来的版本中我们会优化内存使用。
数据处理中选定的染色体，默认是所有染色体上的数据。通常我们可以去除一些非常规的染色体数据，例如chr22_KI270876v1_alt。例如设置成-c chr21, chrX, chrY 即只对这三条染色体的数据call loops。
将得到的loops转化成WashU epigenome browser可视化的文件，默认值是No； -w 1 开启转换。
将得到的loops转化成JuiceBox可视化的文件，默认值是No; -j 1 开启转换。
保留数据处理中产生的中间文件，这些文件可用于一些我们的小scripts:jd2washU,jd2juice,jd2fingerprint,jd2saturation和deloops，默认值No; -s 1 开启存储。
首先去除数据中中噪音数据点的距离，默认值是0，通过数据估计得到相应cutoff值。
通常我们选择人类chr21上的数据，或者小鼠chr19上的数据测试一下数据的质量或者根据测序深度调整一下minPts的设置，由于测试数据是ChIA—PET数据，cLoops可以直接估计eps:
cLoops -f human_chr21.bedpe.gz -o human_chr21 -minPts 5 -w 1 -j 1 -s 1
cLoops Usage