共计 1275 个字符，预计需要花费 4 分钟才能阅读完成。
1. 片段长度评估
片段长度的预测是 ChIPseq 的重要组成部分，它会影响峰辨认、峰辨认和笼罩详情。
应用相互关或穿插笼罩能够评估按链进行的读取聚类，从而掂量品质。
- 在 ChIPseq 中，通常是 dsDNA 的短单端读取。
- 片段的 5′ 将在“+”链上测序
- 片段末端的 3′ 将位于“-”链上。
- 尽管咱们只有局部链序列，但依据预测的片段长度，咱们能够预测整个片段
- “+”读数应仅在正方向延长
- “-”只读正数
2. 穿插笼罩图
plotCC 函数可用于绘制咱们的穿插笼罩图, plotCC() 函数承受咱们的 ChIPQC 样本对象列表和一个 facetBy 参数，以容许咱们对穿插笼罩配置文件进行分组。
plotCC(myQC, facetBy = "Sample")咱们能够将元数据蕴含为 data.frame，其中第一列是咱们的样本名称，以容许咱们以不同的形式对咱们的图进行分组。
myMeta <- data.frame(Sample = names(myQC), Tissue = c("Ch12", "Ch12", "MEL", "MEL",
"MEL", "Ch12"), Antibody = c(rep("Myc", 4), rep("Input", 2)))
myMeta咱们当初能够将咱们的元数据蕴含到 addMetaData 参数中，这将容许咱们对提供的元数据列进行 facetBy。
此外，咱们在这里应用 colourBy 参数为抗体组增加色彩。
plotCC(myQC, facetBy = "Tissue", addMetaData = myMeta, colourBy = "Antibody")ChIPQC 中的所有图实际上都是在 ggplot2 中构建的，因而咱们能够像所有 ggplot 对象一样编辑和更新咱们的图。
plotCC(myQC, facetBy = "Tissue", addMetaData = myMeta, colourBy = "Antibody") + theme_bw() +
ggtitle("ChIPQC results")3. 黑名单和 SSD
3.1. 黑名单
ChIPseq 通常会显示常见伪影的存在，例如超高信号区域。这些区域可能会混同峰辨认、片段长度预计和 QC 指标。Anshul Kundaje 创立了 DAC 黑名单作为参考，以帮忙解决这些地区。
- 黑名单影响的指标
3.2. SSD
SSD 是其中一种对列入黑名单的工件敏感的措施。SSD 是掂量整个基因组信号标准偏差的指标，较高的分数反映出大量的读数沉积。因而，SSD 可用于评估超高信号的范畴和信号。但首先必须删除列入黑名单的区域。
ChIPQC 在移除来自黑名单区域的信号之前和之后计算 SSD。plotSSD() 函数以红色绘制样本的黑名单前分数，以蓝色绘制黑名单后分数。
事后列入黑名单的 SSD 的较高分数能够表明该样本的黑名单区域中有很强的背景信号。
plotSSD(myQC) + xlim(0, 5)因为 SSD 分数受到黑名单的强烈影响，因而可能须要更改轴以查看黑名单后分数样本之间的任何差别。
更高的列入黑名单后的 SSD 分数反映了具备更强峰值信号的样本。
plotSSD(myQC) + xlim(0.2, 0.8)本文由 mdnice 多平台公布