云生信学生物信息学

从样本表到比对、去重与峰识别建立流程

作者:发布于 2026-11-17更新于 2026-11-15约 6 分钟阅读
ChIP批量,先把对照接对

ChIP批量,先把对照接对:按七列清单对应对照;固定版本和参考方案;跑通比对与重复处理;结合信号验收峰结果
本文操作与检查路径示意。

多个ChIP-seq样本批量分析,先把IP、对照和重复关系写清,再让流程调度比对、重复处理与峰识别。下面固定nf-core/chipseq 2.1.0,面向常规双端、窄峰目标的ChIP数据。宽峰组蛋白标记、UMI或特殊建库需按方法调整,不能以批量方便代替实验设计。

按所用发布版整理样本表

2.1.0实际check_samplesheet.py检查器要求以下七列。网页中可能同时保留旧格式说明,运行时应以同修订版检查器和官方测试样本为准。sample表示实验组或对照名称,replicate区分重复;control与control_replicate共同指向对照,不把R1/R2或不同lane当生物学重复。

sample,fastq_1,fastq_2,replicate,antibody,control,control_replicate
CTCF_IP,/data/IP1_R1.fastq.gz,/data/IP1_R2.fastq.gz,1,CTCF,INPUT,1
CTCF_IP,/data/IP2_R1.fastq.gz,/data/IP2_R2.fastq.gz,2,CTCF,INPUT,2
INPUT,/data/IN1_R1.fastq.gz,/data/IN1_R2.fastq.gz,1,,,
INPUT,/data/IN2_R1.fastq.gz,/data/IN2_R2.fastq.gz,2,,,

路径和CTCF标签仅为清单示意,须替换成真实文库及对照。同一文库补测多个lane时,按官方规则保持sample与replicate一致;独立重复则应有不同编号。不要合并重复后再当多份独立样本,也不把不同抗体放进一个共同峰集,只因它们来自同一组织。

环节 必须固定 验收重点
质控与修剪 建库、单双端、接头方案 读段质量与输入量
比对与参考 FASTA/GTF、组装、索引 比对率、参考与BAM身份
重复标记和过滤 是否保留重复、多重比对规则 去除比例与文库复杂度
峰识别 IP-对照、窄/宽峰、有效基因组大小 信号与重复一致性
后续比较 生物学重复与预先设计 不按峰数量判断全部质量

先通过环境测试,再运行项目

需要兼容Nextflow/Java以及获准使用的容器环境。该发布版manifest要求Nextflow至少23.04.0,实际还应核对安装版本兼容性。先在独立测试目录用官方test profile验证软件链,测试不代表正式参考、完整样本及真实规模已经通过。

nextflow -version
nextflow run nf-core/chipseq -r 2.1.0 -profile test,docker \
  --outdir chip-test-results -w chip-test-work

正式样本表保存为CSV,填写绝对路径。以下变量分别为已核对样本表、配套参考和有效基因组大小数值,后者应依据物种与适用方法确认,不用一个通用字符串代替所有物种。代码选择窄峰模式;宽峰目标不要原样复制这个选项。

set -euo pipefail
: "${CHIP_SHEET:?填写七列CSV绝对路径}"
: "${CHIP_FASTA:?填写配套FASTA}"
: "${CHIP_GTF:?填写配套GTF}"
: "${CHIP_GSIZE:?填写已确定的有效基因组大小数值}"
test -r "$CHIP_SHEET" && test -r "$CHIP_FASTA" && test -r "$CHIP_GTF" || exit 2
test ! -e chip-project-001
mkdir chip-project-001
cd chip-project-001
nextflow run nf-core/chipseq -r 2.1.0 -profile docker \
  --input "$CHIP_SHEET" --fasta "$CHIP_FASTA" --gtf "$CHIP_GTF" \
  --macs_gsize "$CHIP_GSIZE" --narrow_peak \
  --outdir results -w work -with-trace trace.tsv -with-report report.html

流程会按发布版配置进行重复标记和过滤;keep_dups等选项应在正式方案中明确。重复率高不全等于可删除的PCR噪声,强富集与特殊建库也需结合复杂度解释。不要为了提高峰数量盲目保留或去除所有重复,也不在同一比较中悄悄改变过滤规则。

按步骤验收结果,不只看完成状态

检查MultiQC、样本映射、修剪、比对、重复指标、IP对照信号和对应峰结果,确认每个生物学重复确实进入了正确比较。窄峰与宽峰的数量、形状和质量指标不直接互换,不用显著峰越多越好作为统一门槛;异常结果返回原图与代表位点核查。

样本表解析失败先查列和重复编号,找不到reads先查路径与容器挂载,峰很少先查抗体、对照与覆盖,不先归因CPU慢。保留固定修订版、输入清单、参数、日志与work,故障修复后按缓存规则恢复。代表任务正确完成后,再增加批量与资源预算。

参考资料

需要额外算力时

适用前提:有批量原始数据与确定分析流程。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗