Homer软件的介绍-最全面而详细的找motif教程

HOMER 是一套用于Motif查找和二代数据分析的工具。HOMER 中的工具是使用Perl 和C++编写的，是Linux command line based。HOMER 这个软件是一个大杂烩，能解决几乎所有的高通量测序数据的分析。（这里，我们仅仅是介绍Motif查找这个功能）

1.HOMER软件安装和配置

homer软件的安装

使用conda安装，一句话搞定：conda install -c bioconda homer 。

使用configureHomer.pl完成Homer软件的配置

##首先下载configureHomer.pl

wget http://homer.salk.edu/homer/configureHomer.pl

##使用configureHomer.pl配置Homer

perl configureHomer.pl -install

configureHomer.pl配置Homer的语法是：（下一节讲具体应用）

perl /path-to-homer/configureHomer.pl [options]

我们看下这些options都有哪些：

-list 列出可用的包
-install 安装homer需要用到的数据包
-version 安装homer包时，可以指定包版本
-remove 移除包
-update 更新所有包到最新版本
-reinstall 强制重新安装所有已经安装过的包
-all 安装所有包
-getFacts (add humor to HOMER - to remove delete contents of data/misc/)
-check 检查第三方软件：samtools, DESeq2, edgeR
-make 重新配置和编译可执行文件
-sun SunOS系统，使用gmake 和 gtar代替make 和 tar
-keepScript 不更新configureHomer.pl
-url 安装时，使用的资源地址，默认：http://homer.ucsd.edu/homer/
 Hubs & BigWig settings (with read existing settings from config.txt if upgrading):
-bigWigUrl  (Setting for makeBigWigs.pl)
-bigWigDir  (Setting for makeBigWigs.pl)
-hubsUrl  (Setting for makeMultiWigHub.pl)
-hubsDir  (Setting for makeMultiWigHub.pl)
 Configuration files: 下载 update.txt，更新config.txt

2. HOMER包介绍和安装

homer包分为4种：

  • SOFTWARE：homer工具包，包含一些常用数据。

  • ORGANISMS：物种特异性的数据，包含Gene accession, gene descriptions, and GO analysis信息。大多数数据来自于NCBI Gene database。下载promoter 或 genome 数据时，会自动下载对应Organism 包。

  • PROMOTERS：Promoter 序列信息和Promoter 富集分析的文件。大多数数据来自RefSeq transcript。

  • GENOMES：基因组序列及其注释信息。

这里需要特别注意下：虽然conda安装好了Homer，但并没有包含参考序列或注释数据 。所以需要使用 configureHomer.pl下载各种数据包。

下载数据之前先查看数据列表，看Homer已经有哪些数据包：

语法公式：perl /path-to-homer/configureHomer.pl -list
具体事例：perl /home/jhuang/miniconda2/share/homer-4.9.1-6/configureHomer.pl -list
等同于：perl /home/jhuang/miniconda2/share/homer-4.9.1-6/.//configureHomer.pl -list
##主要是给系统一个configureHomer.pl路径

如上述介绍，Homer数据包安装使用-install参数

perl /path-to-homer/configureHomer.pl -install mouse #下载老鼠启动子数据
perl /path-to-homer/configureHomer.pl -install mm10  #下载 mm10小鼠参考基因组
perl /path-to-homer/configureHomer.pl -install hg19  #下载 hg19人的参考基因组
具体实例：
nohup perl /home/jhuang/miniconda2/share/homer-4.9.1-6/.//configureHomer.pl -install hg19 &
#太慢了所以挂后台了

3.利用ChIP-Seq结果在基因组区域中寻找富集的Motifs

首先对bed文件进行处理

用MACS2软件进行peak calling，也就是找比对结果(bam文件)的peaks，MACS2找到的peaks会存放在生成的*.bed文件里。homer软件找motif需要读取我们这里得到的bed格式的peaks文件。homer软件不仅可以找到motif，还可以注释peaks。

homer软件在读取bed文件时，需要提取对应的列作为输入文件。我们要对MACS找到的peaks记录文件，还需提取对应的列给HOMER作为输入文件，提取操作为：

awk '{print $4""$1""$2""$3"+"}' sample_peaks.bed >sample_homer.bed

不理解没关系，我们拿我跑的chipseq数据做示范，看awk对bed文件做了什么。
使用命令less -S ChIP-Seq_H3K4Me3_1_trimmed_rmdup_summits.bed 看下awk处理之前bed文件长什么样子：

$ less -S ChIP-Seq_H3K4Me3_1_trimmed_rmdup_summits.bed
chr1    29202   29203   ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_1 260.18610
chr1    714432  714433  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_2 165.19276
chr1    762743  762744  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_3 195.10117
chr1    839761  839762  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_4 36.37314
chr1    859839  859840  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_5 122.88363
chr1    876411  876412  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_6 20.77421
chr1    877742  877743  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_7 77.55285
chr1    894490  894491  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_8 256.37842
chr1    896069  896070  ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_9 183.38295

使用awk对bed文件进行处理，处理完的文件命名为ChIP-Seq_H3K4Me3_1_homer.bed

awk '{print $4""$1""$2""$3"+"}' ChIP-Seq_H3K4Me3_1_trimmed_rmdup_summits.bed >ChIP-Seq_H3K4Me3_1_homer.bed
$ less -S ChIP-Seq_H3K4Me3_1_homer.bed
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_1 chr1    29202   29203   +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_2 chr1    714432  714433  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_3 chr1    762743  762744  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_4 chr1    839761  839762  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_5 chr1    859839  859840  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_6 chr1    876411  876412  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_7 chr1    877742  877743  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_8 chr1    894490  894491  +
ChIP-Seq_H3K4Me3_1_trimmed_rmdup_peak_9 chr1    896069  896070  +

把bed文件变成这个样子，用于Homer软件的读取,我们称这样的文件叫做 Homer Peak/Positions file
我们可以看到Homer Peak/Positions file有4列：

  • 第一列: 染色体

  • 第二列: 起始位置

  • 第三列: 终止位置

  • 第四列: 链的方向(+/- or 0/1, where 0="+", 1="-")

寻找富集Motifs

findMotifsGenome.pl命令用于在基因组区域中寻找富集Motifs
命令使用格式：

findMotifsGenome.pl <Homer Peak/Positions file> <genome> <output directory> -size # [options]

使用实例：寻找我们刚刚生成的Homer Peak/Positions file文件：ChIP-Seq_H3K4Me3_1_homer.bed的 motif 使用命令：

findMotifsGenome.pl ChIP-Seq_H3K4Me3_1_homer.bed hg19 ChIP-Seq_H3K4Me3_1_motifDir -len 8,10,12
# 参数解释
-输入文件：awk处理好的Homer Peak/Positions file
-参考基因组：这里是hg19
-输出文件：给一个路径和输出文件的名字
-len：motif大小设置，默认8,10,12；越大需要的计算资源越多

上述命令（找motif）每一样品需要运行30-40分钟后，得到文件夹ChIP-Seq_H3K4Me3_1_motifDir,文件夹里的内容有：

-rw-rw-r-- 1 jhuang jhuang  30K Apr 11 21:56 homerMotifs.all.motifs
-rw-rw-r-- 1 jhuang jhuang 9.9K Apr 11 21:19 homerMotifs.motifs10
-rw-rw-r-- 1 jhuang jhuang  12K Apr 11 21:56 homerMotifs.motifs12
-rw-rw-r-- 1 jhuang jhuang 8.6K Apr 11 21:10 homerMotifs.motifs8
drwxrwxr-x 2 jhuang jhuang  12K Apr 11 21:59 homerResults
-rw-rw-r-- 1 jhuang jhuang 144K Apr 11 21:59 homerResults.html
drwxrwxr-x 2 jhuang jhuang 4.0K Apr 11 21:08 knownResults
-rw-rw-r-- 1 jhuang jhuang 226K Apr 11 21:08 knownResults.html
-rw-rw-r-- 1 jhuang jhuang  45K Apr 11 21:08 knownResults.txt
-rw-rw-r-- 1 jhuang jhuang   81 Apr 11 20:56 motifFindingParameters.txt
-rw-rw-r-- 1 jhuang jhuang 1.9K Apr 11 20:57 seq.autonorm.tsv

其中会生成一个详细版的网页结果，生成这些文件的具体作用下节讲述

常用参数：
 -bg：自定义背景序列；
 -size: 用于motif寻找得片段大小，默认200bp；-size given 设置片段大小为目标序列长度；越大需要得计算资源越多；
 -len：motif大小设置，默认8,10,12；越大需要得计算资源越多；
 -S：结果输出多少motifs, 默认25；
 -mis：motif错配碱基数，默认2bp；
 -norevopp：不进行反义链搜索motif；
 -nomotif：关闭重投预测motif；
 -rna: 输出RNA motif，使用RNA motif数据库；
 -h：使用超几何检验代替二项式分布；
 -N：用于motif寻找得背景序列数目，default=max(50k, 2x input)；耗内存参数

使用 annotatePeaks.pl 对peaks进行注释

命令使用格式：

annotatePeaks.pl <Homer Peak/Positions file> <genome>  1>output.peakAnn.xls 2>output.annLog.txt

使用实例：注释ChIP-Seq_H3K4Me3_1_homer.bed的 peaks 使用命令：

annotatePeaks.pl ChIP-Seq_H3K4Me3_1_homer.bed hg19  1>ChIP-Seq_H3K4Me3_1_peakAnn.xls 2>$ChIP-Seq_H3K4Me3_1_annLog.txt

4.HOMER Motif 分析基本步骤和结果分析

Homer主要被用于 ChIP-Seq 分析，但是核酸序列motif寻找问题都可以尝试使用。

注意：这里大部分是在介绍Homer软件背后是怎么工作的，不是说我们在使用Homer软件找motif时的步骤，我们使用的时候直接调用Homer软件的内部命令就好

4.1 预处理

 一  提取序列
提供的数据是基因组位置信息，就需要提取对应的DNA信息；提供基因号时，需要选择启动子区域。对应着就是我们前面用awk 处理bed文件，最后得到要求的那四列。
 二  背景选择
未指定背景序列时，HOMER 会自动选择。（上面chipseq处理的时候就没有指定背景序列）
对基因组某些区域进行分析时，从基因组随机选择GC含量一致的序列作为背景序列。
对启动子进行分析时，除用来分析外的所有启动子将被作为背景。
自定义背景使用参数-bg
 三  GC 标准化
目标序列（对应着上面的就是Homer Peak/Positions file）和背景序列会基于GC含量按5%作为bin 查看GC含量的分布。背景序列会得到权值，从而使得其GC含量分布与目标序列一致。
ChIP-Seq 实验得到序列GC含量。
 四  自动标准化
需要分析的序列除了GC含量会带来误差，其他的生物学现象，外显子中密码子偏好性或测序实验中偏好性都会影响分析。对于足够强的偏差，HOMER 会自动追踪目标序列和背景中显著差异的特征序列，并通过调整背景序列的权重来平衡输入数据和背景中短寡聚核酸序列不平衡。
 短寡聚核酸序列长度可以通过参数-nlen <#>指定。

4.2 重头预测Motifs

默认情况下，HOMER 调用homer2 进行motif 分析；通过参数"-homer1" 可以指定老版本工具。

 一  将输入序列解析为寡聚核苷酸序列
将输入序列按照motif 长度期望值解析为寡聚核苷酸序列，以及创建Oligo 数据表。Oligo 数据表中记录着每条oligo 在目标序列和背景中被发现的次数。
 二  Oligo 自动标准化
 三  全局搜索阶段
 Oligo 表格信息构建好之后，HOMER 对富集的Oligo 进行全局搜索。如果一个Motif是富集的，那么属于这个Motif的Oligo 也应该会富集。首先，HOMER 会搜索可能富集的Oligo 。HOMER 允许错配 。
使用参数-mis <#> 调节允许的错配数目
 四  Mask and Repeat
 当最优oligo被优化成motif后，motif 对应的序列从要分析的数据中移除，接下来再分析最优的…..直到 25(默认值，"-S <#>")个motifs 被发现。
比如，我们这里处理chipseq时的情况

 五   计算已知Motifs是否富集

3.5.1 导入Motif库

为了搜索输入数据中已知Motifs ，HOMER 可以输入已知Motifs 数据，可以使用HOMER 默认的 ("data/knownTFs/known.motifs")，也可以是自己构建("-mknown") 。

3.5.2 筛选每一个Motif

对于每个motif，HOMER 计算丰度（包含motif的序列/background sequences）， ZOOPS (zero or one occurence per sequence)计数以及使用超几何检验或二项式计算显著性。

4.3 Motif 的结果分析

我们chipseq，找motif的输出文件如下图：

这些输出结果包括：

4.3.1 Motif Files

*.motif

文件包含motifs的信息

"*.motif"文件格式：

>ATATTGCG       1-ATATTGCG      10.055970       -947.021323     0       T:434.0(1.88%),B:22.3(0.08%),P:1
0.997   0.001   0.001   0.001
0.001   0.001   0.001   0.997
0.997   0.001   0.001   0.001
0.001   0.363   0.001   0.635
0.001   0.001   0.001   0.997
0.001   0.001   0.997   0.001
0.001   0.997   0.001   0.001
0.001   0.001   0.997   0.001
>AAAATCGG       2-AAAATCGG      10.633913       -833.891683     0       T:458.0(1.99%),B:34.6(0.13%),P:1
0.997   0.001   0.001   0.001
0.997   0.001   0.001   0.001
0.997   0.001   0.001   0.001
0.997   0.001   0.001   0.001
0.351   0.001   0.001   0.647
0.001   0.997   0.001   0.001
0.001   0.001   0.997   0.001
0.001   0.001   0.997   0.001

一个motif 的信息分为一块。motif 信息首行是motif 各种统计信息；其他行对应各个A/C/G/T的占比。

motif 信息首行解析：

  1. ">" + 序列 (可能是空白) example: >ASTTCCTCTT

  2. Motif 名字 example: 1-ASTTCCTCTT or NFkB

  3. 检测阈值对数值 example: 8.059752

  4. 富集P-value对数值 example:  -23791.535714

  5. 0 用于老版本格式的占位符

  6. T:17311.0(44.36%),B:2181.5(5.80%),P:1e-10317

  7. T:#(%) - 包含motif的目标数据序列数除以目标数据序列总数

  8. B:#(%) - 包含motif的背景序列数除以背景序列总数

  9. P:# - 富集 p-value

  10. 用逗号分隔Motif统计量, example: Tpos:100.7,Tstd:32.6,Bpos:100.1,Bstd:64.6,StrandBias:0.0,Multiplicity:1.13

  11. Tpos: motif在目标序列中的平均位置 (0 = start of sequences)

  12. Tstd:  motif在目标序列中位置的标准偏差

  13. Bpos: motif在背景序列中的平均位置 (0 = start of sequences)

  14. Bstd:   motif在背景序列中位置的标准偏差

  15. StrandBias: log ratio of + strand occurrences to - strand occurrences.

  16. Multiplicity: 具有一个或多个结合位点的序列中每个序列的平均出现次数

4.3.2重头预测(de novo)的 motif
首先会对motif进行去冗余，将每个motif 的概率矩阵转换为向量，求motif之间的Pearson 相关性。 HTML 结果：

表格中，Best Match/Details项中：
More Information：与预测的motif相似的的已知motifs
Similar Motifs Found：与预测的motif相似的的其它预测motifs

4.3.3 已知 motif 的富集情况(knownResults.html)

参考资料：
 1.http://homer.ucsd.edu/homer/ngs/peakMotifs.html
 2.https://www.jianshu.com/p/1384173c353b
 3.https://www.jianshu.com/p/4af579b2e532
 4.https://www.jianshu.com/p/2bf020cc8f90
 5.https://www.jianshu.com/p/1602c2621c2b
 6.https://www.jianshu.com/p/1602c2621c2b

由学徒独立完成，O(∩_∩)O谢谢

赞 (0)

相关推荐

  • 这题我会--如何弄清转录因子调控的基因（Cistrome DB数据库）

    一个转录因子能同时控制多个基因的表达,同时转录因子的功能作用也可能受多个调控因子的影响.Cistrome DB就是这样的一个数据库,可以展示转录因子的相关调控内容. Cistrome DB历年样本数据 ...

  • HOCOMOCO：大规模ChIP-Seq分析下的人与小鼠转录因子数据库

    HOCOMOCO是专门研究人和小鼠的数据库,团队从超过5000个针对人类和小鼠转录因子的实验中获得的14000多套ChIP-Seq数据集,基于系统化的基序发现和交叉验证,展示了人类和小鼠转录因子结合模 ...

  • SAI绘画软件中铅笔工具如何使用？详细讲解教程

    SAI(全称"Easy painttool sai")是一款功能强大的绘图软件,受到很多图画工作者的喜欢.在这款软件中铅笔笔刷是一个很重要的工具,能够柔化线条.增进图层之间的递进感 ...

  • CorelDRAW基础教程——软件基础介绍

    作为一名设计师,没有人不知道CorelDRAW这款软件,它是一款专门用于矢量绘图软件.对于很多跨入设计行业的新手来说,它也是必备技能之一,今天小编使用CorelDRAW 2019 for Win 版本 ...

  • 单风道变风量空调系统精细介绍，不能再详细了，新手或外行适合学

    单风道型变风量空调系统由単风道型变风量末端装置. 配有变频装置的空调器. 风管系统及相关的控制系统组成. 系统运行时, 经空调器处理后的送风, 由风管系统输配到各末端装置.(树上鸟教育暖通设计杜老师) ...

  • 工程之星软件数据导入与导出的详细教程，你会了吗？

    一.RTK数据导入 1.在电脑端编辑好数据文件,这里以Excel表格为例,各列数据内容依次是点名.北坐标(X).东坐标(Y).高程(Z). 2.在数据编辑好之后点击文件--另存为,文件类型选择CSV( ...

  • 手机录音软件哪个好 排行榜前4款手机录音软件app介绍

    手机已经不再是当初只能接打电话的工具,逐步成为生产力的平台.今天着重说下录音的功能,比较长使用的场景是领导开会,或者老师上课时的把它们的讲话录制下来,回去好温习以免遗漏,还能在通话过程中录制声音--那 ...

  • Keil软件的介绍

    1.1.IDE概念      IDE就是集成开发环境,就是一套用来开发的完整的软件系统. 1.2.Keil uvision介绍      keil software公司出品的51系列兼容单片机c语言软 ...

  • Camtasia软件基本操作介绍

    Camtasia Studio是一款专门录制屏幕动作的工具,它能在任何颜色模式下轻松地记录 屏幕动作,包括影像.音效.鼠标移动轨迹.解说声音等等,另外,它还具有即时播放和编 辑压缩的功能,可对视频片段 ...

  • Windows下最强照片管理软件DigiKam介绍

    本内容来源于@什么值得买APP,观点仅代表作者本人 |作者:闲人张三 创作立场声明:本文章为本人原创,在值得买首发 照片管理,几乎是每个人都需要的软件功能,随着各种照片和工作素材等不断增加,如何有序的 ...

  • 【制图】软件的介绍以及各个工具的使用

    文章末尾附有视频讲解 1 软件的界面介绍 CorelDRAW软件是一款平面设计软件,主要用于图形绘制,名片制作,页面布局,书刊排版,网页设计,平面广告设计等等,我们就用这个软件来绘制编织的图解. ★标 ...