Deeptools: Chip-seq数据质量控制

$ deepTools2.0/bin/plotCorrelation \
-in scores_per_transcript.npz \
--corMethod pearson --skipZeros \
--plotTitle "Pearson Correlation of Average Scores Per Transcript" \
--whatToPlot scatterplot \
-o scatterplot_PearsonCorr_bigwigScores.png   \
--outFileCorMatrix PearsonCorr_bigwigScores.tab
 
deepTools2.0/bin/plotCorrelation \
    -in readCounts.npz \
    --corMethod spearman --skipZeros \
    --plotTitle "Spearman Correlation of Read Counts" \
    --whatToPlot heatmap --colorMap RdYlBu --plotNumbers \
    -o heatmap_SpearmanCorr_readCounts.png   \
    --outFileCorMatrix SpearmanCorr_readCounts.tab

--corData, -in : multiBigwigSummary 或者 multiBamSummary输出的压缩矩阵文件
--corMethod, -c： 对样品进行聚类的方法，选项有spearman, pearson
--whatToPlot, -p：选择出图样式，选项有heatmap, scatterplot
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--skipZeros： 没有mapping的跳过
--labels, -l: 输入样品名称，不同样品用空格隔开
--plotTitle, -T：出图的标题
--plotFileFormat： 输出格式png, eps, pdf and svg.
--removeOutliers： 去除掉异常值
--outFileCorMatrix： 输出样品间相关系数的矩阵
--plotHeight ：图的高度，单位是cm
--plotWidth：图的宽度，单位是cm
--zMin, -min: 设置最小的值
--zMax, -max： 设置最大的值
--colorMap： 设置颜色，颜色表查询位置http://matplotlib.org/examples/color/colormaps_reference.html
--xRange，--yRange: 设置x,y的范围

$ deepTools2.0/bin/plotPCA -in readCounts.npz \
-o PCA_readCounts.png \
-T "PCA of read counts"

--corData, -in：multiBamSummary 和multiBigwigSummary
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--labels, -l: 输入样品名称，不同样品用空格隔开
--plotTitle, -T：出图的标题
--plotFileFormat： 输出格式png, eps, pdf and svg.
--plotHeight ：图的高度，单位是cm
--plotWidth：图的宽度，单位是cm
--outFileNameData： 输出画PCA的数据
--ntop： 选择top N行的数字进行画图，默认是1000
--PCs： 默认是1，2 ，用于画图的主成分
--log2： 计算PCA时候，对数字进行log2转换，为了避免0，所有数字加上0.01
--colors： 设置颜色，如 red blue green

$ deepTools2.0/bin/plotFingerprint \
-b testFiles/*bam \
--labels H3K27me3 H3K4me1 H3K4me3 H3K9me3 input \
--minMappingQuality 30 --skipZeros \
--region 19 --numberOfSamples 50000 \
-T "Fingerprints of different samples"  \
--plotFile fingerprints.png \
--outRawCounts fingerprints.tab

-b: 输入文件，比对的bam文件
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--outRawCounts： 输出每个bin的counts数目
--ignoreDuplicates：是否忽略掉重复的reads
--minMappingQuality： 去除低比对质量的比对结果
--centerReads： reads are centered with respect to the fragment length。这个参数我不是很理解，师弟给我画了个图

--samFlagInclude/--samFlagExclude : 根据sam文件的flag进行挑选和过滤reads
--minFragmentLength：ATAC-seq 设定的参数，FragementLength的长度
--labels, -l： 空格输入的标签
--binSize, -bs： 设置bin的大小
--numberOfProcessors, -p ： 线程数
--region, -r： 限定的用于分析的
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--plotTitle, -T：出图的标题
--skipZeros： 没有mapping的跳过

$ plotCoverage -b H3K4Me1.bam H3K4Me3.bam H3K27Me3.bam H3K9Me3.bam
    --plotFile example_coverage
    -n 1000000
    --plotTitle "example_coverage" \
    --outRawCounts coverage.tab \
    --ignoreDuplicates \
    --minMappingQuality 10 \
    --region 19
 
# have a look at the optional tabular output: each row represents the number of reads overlapping with a sampled bp
$ head coverage.tab
    'H3K27me3'        'H3K4me1'       'H3K4me3'       'H3K9me3'
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0
    0 0       0       0

-b: 输入文件，比对的bam文件，用空格分开不同的bam文件
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--outRawCounts： 输出每个bin的counts数目
--ignoreDuplicates：是否忽略掉重复的reads
--minMappingQuality： 去除低比对质量的比对结果
--centerReads： reads are centered with respect to the fragment length。这个参数我不是很理解，师弟给我画了个图
--samFlagInclude/--samFlagExclude : 根据sam文件的flag进行挑选和过滤reads
--minFragmentLength：ATAC-seq 设定的参数，FragementLength的长度
--labels, -l： 空格输入的标签
--binSize, -bs： 设置bin的大小
--numberOfProcessors, -p ： 线程数
--region, -r： 限定的用于分析的
--plotFile, -o： 根据后缀名选择输出的文件，可以选择.png, .eps, .pdf and .svg.
--plotTitle, -T：出图的标题
--skipZeros： 没有mapping的跳过
--numberOfSamples, -n： 抽样次数，default为1 million.