ChIP-Atlas中基于公共数据如何进行分析挖掘

ChIP-Atlas中基于公共数据如何进行分析挖掘，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

ChIP-Atlas收集整理了SRA数据库中的大量chip_seq数据，并基于这些原始数据进行了后续分析，将分析结果整理成在线服务并发布，方便检索与查询/

构建的流程如下

下载SRA原始数据，采用sratoolkit转换成fastq, 然后用bowtie2比对参考基因组，用macs2进行peak calling。官网提供了以下几个功能

1. Peak Browser

浏览不同物种，不同细胞类型，不同抗体的peak结果，检索框示意如下

可以下载BED格式的结果。

2. Target genes

定义TSS上下游的区间作为靶基因的筛选范围，如果peak与某个基因的TSS两侧范围存在交集，则认为该基因是候选的靶基因之一。搜索框如下所示

检索结果如下

3. Colocalization

有些转录因子在行使功能时是通过蛋白复合体的形式来发挥作用，比如Pou5f1，Nanog, Sox2这三个转录因子，它们对应的peak区间在基因上的位置是非常的邻近的，Colocalization分析就是比较多个转录因子的chip数据，来识别潜在的蛋白复合体，检索框如下

检索结果如下

4. Enrichment Analysis

和靶基因分析正好相反，靶基因是输入转录因子的名称，查询预测的靶基因，而这部分内容是输入基因名称或者基因组区域，查询可以结合的转录因子。检索框如下所示

结果示意如下

通过ChIP-Atlas网站，可以方便的查询已有的chip_seq数据结果。

关于ChIP-Atlas中基于公共数据如何进行分析挖掘问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注行业资讯频道了解更多相关知识。