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
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。
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
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
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，可以关注亿速云行业资讯频道了解更多相关知识。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
