共计 373 个字符，预计需要花费 1 分钟才能阅读完成。
1. 文库复杂性
ChIPseq 中的一个潜在噪声源是 ChIPseq 库在 PCR 步骤中的适度放大。这可能会导致大量反复读取，从而混同峰值调用。
2. 反复
咱们应该比拟样本之间的反复率，以确定任何经验适度放大的样本，从而确定复杂性较低的可能性。
flattagcounts() 函数报告能够报告反复的数量和总映射读取，因而咱们能够从那里计算咱们的反复率。
myFlags <- flagtagcounts(myQC)
myFlags["DuplicateByChIPQC",]/myFlags["Mapped",]3. 跨基因 reads 富集
咱们还能够应用 ChIPQC 应用 plotRegi() 函数来查看咱们在基因特色上的 reads 散布。
在这里，与输出样本相比，咱们预计 ChIPseq 信号在 5’UTR 和启动子中更强。
p <- plotRegi(myQC)本文由 mdnice 多平台公布
正文完
