CN104598769A - 自动化DNase-seq数据处理分析系统 - Google Patents

Abstract

本发明涉及自动化DNase-seq数据处理分析系统，包括DNase-seq数据模版、DNase-seq数据作业调度程序、模板数据参数提取模块、参数设置模块、批处理命令文件生成模块、以及自动调用报告生成系统，其特征在于：所述DNase-seq数据作业调度程序生成包括但不限于DNase-seq数据预处理模块、DHS区域检测模块、DHS区域信号标准化模块、以及动态DHS区域分析模块的各模块参数配置文件。通过该发明，可以帮助相关数据分析人员能够高效、准确地完成各样本中DNase I超敏位点的检测，以及实现样本间染色体动态变化区域的快速捕捉。同时，也可以帮助提升数据分析人员的工作效率、减轻工作负担。

Description

自动化DNase-seq数据处理分析系统

技术领域

本发明涉及生物信息技术领域，尤其是涉及一种自动化DNase-seq数据处理分析系统。

背景技术

DNase-seq是一种结合高通量测序技术鉴定全基因组内DNase I超敏位点的方法。在单次实验中，它能够捕获Dnase消化的片段，并利用二代测序技术鉴定出任何物种、任何细胞类型中最活跃的染色体开发区域和调控区域。

在分子生物学研究领域，DNase I印迹试验(DNase I foot printing)与DNase-seq都被用来研究染色体结构以及不同条件下染色体的动态变化。两种方法相比较，DNase-seq方法无论在数据制备的难易程度、最终产生结果的分辨率以及可以探查的染色体区域范围上都远优于DNaseI印迹法所获得的结果。

目前，大多数专业的生物信息数据分析人员习惯于使用自己总结的流程和编写的程序完成相关数据处理。但是，对于大部分非专业的实验人员而言，如何能够快速处理DNase-seq数据并为其提供后续研究的切入点，则是实验人员或课题组最为迫切向解决的问题。但是，在现在的市场上，能够针对DNase-seq数据进行系统性处理和分析工具十分缺乏。

发明内容

本发明目的在于克服现有技术不足，提供一种自动化DNase-seq数据处理和分析系统，旨在为DNase-seq方法所产生的数据建立起一套包括数据前期质量控制、数据筛选、数据比对、DNase I超敏位点检测、样本间染色体动态变化区域识别、动态区域内转录因子基序富集分析等功能在内的系统化数据处理和分析工具，并在此基础上实现各个工具调用流程化、自动化，以解决现有技术中工作效率低下的问题。

本发明所解决的技术问题采用以下技术方案来实现：

自动化DNase-seq数据处理分析系统，该系统包括但不限于DNase-seq数据模版、DNase-seq数据作业调度程序、模板数据参数提取模块、参数设置模块、批处理命令文件生成模块、以及自动调用报告生成系统，其特征在于：

所述DNase-seq数据作业调度程序生成包括但不限于DNase-seq数据预处理模块、DHS区域检测模块、DHS区域信号标准化模块、以及动态DHS区域分析模块各模块的参数配置文件；

所述参数设置模块负责对上述各模块参数配置文件中的各个参数进行赋值，并保存修改后的各模块参数配置文件，所述DNase-seq数据作业调度程序结合所述修改后的各模块参数配置文件，利用所述模板数据参数提取模块完成参数提交并生成相关批处理命令文件，进而形成所述批处理命令文件生成模块；

运行上述批处理命令文件，完成相关DNase-seq数据处理和分析过程的自动化，所述自动调用报告生成系统基于DNase-seq数据处理分析结果完成DNase-seq数据分析报告；

其中，所述DHS区域检测模块包括完成针对DNase-seq数据的至少是单个样本中DNase I超敏位点检测，并统计DNase I超敏位点的信号强度；

所述DHS区域信号标准化模块包括同时对多个样本的DNase I超敏位点信号值，或DNase I超敏区域信号值进行标准化；

所述动态DHS区域分析模块包括差异信号区域内基序富集分析模块，以及差异信号邻近基因信息提取模块。

作为本发明的进一步技术方案：所述DNase-seq数据作业调度程序的工作方法包含以下4个步骤：

步骤S001)、以预先设计好的DNase-seq数据分析流程模板文件为基础，使用所述DNase-seq数据作业调度程序读取该模板文件的内容，首次读取时，所述DNase-seq数据作业调度程序将被设定成配置文件生成模式，并自动生成DNase-seq数据预处理模块、DHS区域检测模块、DHS区域信号标准化模块、以及动态DHS区域分析模块等相对应的参数配置文件。

步骤S002)、按照要求输入各个参数值，并将修改后的参数配置文件进行保存。

步骤S003)、以所述步骤S001中的DNase-seq数据分析流程模板文件和修改后的参数配置文件为基础，再次使用所述DNase-seq数据作业调度程序读取该模板文件的内容，此时，所述DNase-seq数据作业调度程序被设定为批处理脚本文件生成模式，自动设成符合用户参数设置需求的批处理脚本文件，并对该文件自动加密。

步骤S004)、在终端直接运行步骤S003中的批处理脚本文件，完成整个DNase-seq数据处理和分析作业调度流程。

作为本发明的再进一步技术方案：所述DNase-seq数据预处理模块包括DNase-seq数据的前期质量控制与低质量数据过滤操作模块、序列比对模块、比对结果信息统计模块、及冗余序列去除操作模块。

作为本发明的再进一步技术方案：所述DNase I超敏位点检测通过下述步骤来实现：

步骤S101)、使用bowtie完成DNase-seq数据短序列比对，整个比对过程要求每个短序列的比对结果中的错配率不超过2个碱基；

步骤S102)、以染色体、比对位置、比对所在链信息作为关键字，对比对生成的结果进行排序，并将其转换为二进制文件输出；

步骤S103)、进一步从步骤S102的二进制输出文件中筛选出比对位置唯一的短序列及其比对信息；

步骤S104)、剔除PCR冗余序列，对于碱基排列顺序完全相同的多条短序列，只随机保留其中一条短序列的比对结果并输出；

步骤S105)、基于步骤S104中的输出结果，要求所有比对在正链上的短序列，其比对位置下游延伸100个碱基；要求所有比对在负链上的短序列，其比对位置上游延伸100个碱基，并将输出结果转换为BED格式文件；

步骤S106)、以50个碱基的长度为单位，1个碱基为滑动步长，依次统计各个染色体中各个滑动窗口的短序列富集个数，并基于泊松分布模型，计算各滑动窗口中短序列富集的显著性水平，定义显著性水平超过设定阈值的窗口为短序列富集显著区域，并将其视为DHase I超敏位点。

作为本发明的再进一步技术方案：基于所述DNase I超敏位点的检测结果，统计各个相邻DNase I超敏位点间的距离，对距离小于设置值的两个DNase I超敏位点进行区域合并，进而形成DNase I超敏区域。

作为本发明的再进一步技术方案：所述动态DHS区域分析模块其检测方法包括针对不同样本间差异DNase I超敏位点、差异DNase I超敏区域以及染色体动态变化区域的检测方法，上述方法包括以下4个步骤：

步骤S201)、合并单套数据集中各个样本的DNase I超敏位点检测结果，按照DNase I超敏位点所在染色体区域进行排序，并去除冗余的重复区域；

步骤S202)、以步骤S201的输出结果为基础，逐一统计每个区域在各样本中的短序列富集个数，并生成数据矩阵，该数据矩阵中，一行代表一个合并后的DNase I超敏区域，一列代表一个样本在各区域中的短序列富集个数；

步骤S203)对步骤S202的输出结果进行标准化，去除样本间短序列总数差异和各DNase I超敏区域长度差异对计算DNase I超敏区域信号强度所产生的影响，使得单个DNase I超敏区域在不同样本间和单个样本内的不同DNaseI超敏区域之间的信号强度可比；

步骤S204)以步骤S203的数据结果为基础，使用T检验或自举法检验完成不同组间或不同样本间差异DNase I超敏位点、差异DNase I超敏区域以及染色体动态变化区域的检测，如果每个组别存在样本重复，则应用T检验方法计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域，如果每个组别中不存在样本重复，则应用自举法检验计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域。

作为本发明的再进一步技术方案：所述自动调用报告生成系统的工作方法共包含以下2个步骤：

步骤S301)以预先设计好的DNase-seq数据分析结果报告模版和DNase-seq数据处理和分析流程的最终输出结果为基础，使用报告自动生成程序读取输出结果中的各项内容并生成Latex文件；

步骤S302)基于步骤S301中的输出结果，将Latex文件进一步转换为PDF格式的DNase-seq数据分析结果报告文件。

本发明具有的有益效果是：通过该发明，可以帮助相关数据分析人员能够高效、准确地完成各样本中DNase I超敏位点的检测，以及实现样本间染色体动态变化区域的快速捕捉。同时，也可以帮助提升数据分析人员的工作效率、减轻工作负担。

附图说明

为了更清楚地说明本发明实施方案或现有技术中的技术方案，下面将对实施方案或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方案，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明：自动化DNase-seq数据处理分析系统的系统架构示意图；

图2为本发明：DNase-seq数据作业调度程序20的工作方法示意图；

图3为本发明：DNase I超敏位点检测步骤示意图；

图4为本发明：动态DHS区域分析模块24的检测方法示意图；

图5为本发明：自动调用报告生成系统60的工作方法示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。

参照图1所示的自动化DNase-seq数据处理和分析系统：

该系统包括但不限于DNase-seq数据模版10、DNase-seq数据作业调度程序20、模板数据参数提取模块30、参数设置模块40、批处理命令文件生成模块50、以及自动调用报告生成系统60：

所述DNase-seq数据作业调度程序20生成包括但不限于DNase-seq数据预处理模块21、DHS区域检测模块22、DHS区域信号标准化模块23、以及动态DHS区域分析模块24各模块的参数配置文件；

所述参数设置模块40负责对上述各模块参数配置文件中的各个参数进行赋值，并保存修改后的各模块参数配置文件，所述DNase-seq数据作业调度程序20结合所述修改后的各模块参数配置文件，利用所述模板数据参数提取模块30完成参数提交并生成相关批处理命令文件，进而形成所述批处理命令文件生成模块50；

运行上述批处理命令文件，完成相关DNase-seq数据处理和分析过程的自动化，所述自动调用报告生成系统60基于DNase-seq数据处理分析结果完成DNase-seq数据分析报告；

其中，所述DHS区域检测模块22包括完成针对DNase-seq数据的至少是单个样本中DNase I超敏位点检测，并统计DNase I超敏位点的信号强度；

所述DHS区域信号标准化模块23包括同时对多个样本的DNase I超敏位点信号值，或DNase I超敏区域信号值进行标准化；

所述动态DHS区域分析模块24包括差异信号区域内基序富集分析模块241，以及差异信号邻近基因信息提取模块242。

参照图2所示，作为本发明的进一步技术方案，所述DNase-seq数据作业调度程序20的工作方法包含以下4个步骤：

步骤S001)、读取模板并生成参数配置文件

以预先设计好的DNase-seq数据分析流程模板文件为基础，使用所述DNase-seq数据作业调度程序20读取该模板文件的内容，首次读取时，所述DNase-seq数据作业调度程序20将被设定成配置文件生成模式，并自动生成DNase-seq数据预处理模块21、DHS区域检测模块22、DHS区域信号标准化模块23、以及动态DHS区域分析模块24等相对应的参数配置文件。

步骤S002)、参数设置

按照要求输入各个参数值，并将修改后的参数配置文件进行保存。

步骤S003)、生成批处理脚本文件

以所述步骤S001中的DNase-seq数据分析流程模板文件和修改后的参数配置文件为基础，再次使用所述DNase-seq数据作业调度程序20读取该模板文件的内容，此时，所述DNase-seq数据作业调度程序20被设定为批处理脚本文件生成模式，自动设成符合用户参数设置需求的批处理脚本文件，并对该文件自动加密。

步骤S004)、生成自动调用报告

在终端直接运行步骤S003中的批处理脚本文件，完成整个DNase-seq数据处理和分析作业调度流程。

作为本发明的再进一步技术方案：所述DNase-seq数据预处理模块21包括DNase-seq数据的前期质量控制模块211与低质量数据过滤操作模块212、序列比对模块213、比对结果信息统计模块214、及冗余序列去除操作模块215。

参照图3所示，作为本发明的再进一步技术方案，所述DNase I超敏位点检测通过下述步骤来实现：

步骤S101)、DNase-seq数据短序列比对

使用bowtie完成DNase-seq数据短序列比对，整个比对过程要求每个短序列的比对结果中的错配率不超过2个碱基。

步骤S102)、比对结果排序

以染色体、比对位置、比对所在链信息作为关键字，对比对生成的结果进行排序，并将其转换为二进制文件输出。

步骤S103)、筛选结果信息

进一步从步骤S102的二进制输出文件中筛选出比对位置唯一的短序列及其比对信息。

步骤S104)、剔除PCR冗余序列

剔除PCR冗余序列，对于碱基排列顺序完全相同的多条短序列，只随机保留其中一条短序列的比对结果并输出。

步骤S105)、正负链短序列位置延伸

基于步骤S104中的输出结果，要求所有比对在正链上的短序列，其比对位置下游延伸100个碱基；要求所有比对在负链上的短序列，其比对位置上游延伸100个碱基，并将输出结果转换为BED格式文件；

步骤S106)、确定DHase I超敏位点

以50个碱基的长度为单位，1个碱基为滑动步长，依次统计各个染色体中各个滑动窗口的短序列富集个数，并基于泊松分布模型，计算各滑动窗口中短序列富集的显著性水平，定义显著性水平超过设定阈值的窗口为短序列富集显著区域，并将其视为DHase I超敏位点。

作为本发明的再进一步技术方案：基于所述DNase I超敏位点的检测结果，统计各个相邻DNase I超敏位点间的距离，对距离小于设置值的两个DNase I超敏位点进行区域合并，进而形成DNase I超敏区域。

参照图4所示，作为本发明的再进一步技术方案，所述动态DHS区域分析模块24其检测方法包括针对不同样本间差异DNase I超敏位点、差异DNaseI超敏区域以及染色体动态变化区域的检测方法，上述方法包括以下4个步骤：

步骤S201)、DNase I超敏位点检测结果处理

合并单套数据集中各个样本的DNase I超敏位点检测结果，按照DNase I超敏位点所在染色体区域进行排序，并去除冗余的重复区域。

步骤S202)、生成数据矩阵

以步骤S201的输出结果为基础，逐一统计每个区域在各样本中的短序列富集个数，并生成数据矩阵，该数据矩阵中，一行代表一个合并后的DNase I超敏区域，一列代表一个样本在各区域中的短序列富集个数。

步骤S203)、数据标准化

对步骤S202的输出结果进行标准化，去除样本间短序列总数差异和各DNase I超敏区域长度差异对计算DNase I超敏区域信号强度所产生的影响，使得单个DNase I超敏区域在不同样本间和单个样本内的不同DNase I超敏区域之间的信号强度可比；

步骤S204)、动态DHS区域分析

以步骤S203的数据结果为基础，使用T检验或自举法检验完成不同组间或不同样本间差异DNase I超敏位点、差异DNase I超敏区域以及染色体动态变化区域的检测，如果每个组别存在样本重复，则应用T检验方法计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域，如果每个组别中不存在样本重复，则应用自举法检验计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域。

参照图5所示，作为本发明的再进一步技术方案，所述自动调用报告生成系统60的工作方法共包含以下2个步骤：

步骤S301)、读取内容并生成Latex文件

以预先设计好的DNase-seq数据分析结果报告模版和DNase-seq数据处理和分析流程的最终输出结果为基础，使用报告自动生成程序读取输出结果中的各项内容并生成Latex文件；

步骤S302)、PDF格式报告文件转换

基于步骤S301中的输出结果，将Latex文件进一步转换为PDF格式的DNase-seq数据分析结果报告文件。

本发明具有的有益效果是：通过该发明，可以帮助相关数据分析人员能够高效、准确地完成各样本中DNase I超敏位点的检测，以及实现样本间染色体动态变化区域的快速捕捉。同时，也可以帮助提升数据分析人员的工作效率、减轻工作负担。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.自动化DNase-seq数据处理分析系统，该系统包括但不限于DNase-seq数据模版、DNase-seq数据作业调度程序、模板数据参数提取模块、参数设置模块、批处理命令文件生成模块、以及自动调用报告生成系统，其特征在于：

所述DNase-seq数据作业调度程序生成包括但不限于DNase-seq数据预处理模块、DHS区域检测模块、DHS区域信号标准化模块、以及动态DHS区域分析模块各模块的参数配置文件；

所述参数设置模块负责对上述各模块参数配置文件中的各个参数进行赋值，并保存修改后的各模块参数配置文件，所述DNase-seq数据作业调度程序结合所述修改后的各模块参数配置文件，利用所述模板数据参数提取模块完成参数提交并生成相关批处理命令文件，进而形成所述批处理命令文件生成模块；

运行上述批处理命令文件，完成相关DNase-seq数据处理和分析过程的自动化，所述自动调用报告生成系统基于DNase-seq数据处理分析结果完成DNase-seq数据分析报告；

其中，所述DHS区域检测模块包括完成针对DNase-seq数据的至少是单个样本中DNase I超敏位点检测，并统计DNase I超敏位点的信号强度；

所述DHS区域信号标准化模块包括同时对多个样本的DNase I超敏位点信号值，或DNase I超敏区域信号值进行标准化；

所述动态DHS区域分析模块包括差异信号区域内基序富集分析模块，以及差异信号邻近基因信息提取模块。

2.根据权利要求1所述的自动化DNase-seq数据处理分析系统，其特征在于：所述DNase-seq数据预处理模块包括DNase-seq数据的前期质量控制与低质量数据过滤操作模块、序列比对模块、比对结果信息统计模块、及冗余序列去除操作模块。

3.根据权利要求1所述的自动化DNase-seq数据处理分析系统，其特征在于：所述DNase I超敏位点检测通过下述步骤来实现：

步骤S101)、使用bowtie完成DNase-seq数据短序列比对，整个比对过程要求每个短序列的比对结果中的错配率不超过2个碱基；

步骤S102)、以染色体、比对位置、比对所在链信息作为关键字，对比对生成的结果进行排序，并将其转换为二进制文件输出；

步骤S103)、进一步从步骤S102的二进制输出文件中筛选出比对位置唯一的短序列及其比对信息；

步骤S104)、剔除PCR冗余序列，对于碱基排列顺序完全相同的多条短序列，只随机保留其中一条短序列的比对结果并输出；

步骤S105)、基于步骤S104中的输出结果，要求所有比对在正链上的短序列，其比对位置下游延伸100个碱基；要求所有比对在负链上的短序列，其比对位置上游延伸100个碱基，并将输出结果转换为BED格式文件；

步骤S106)、以50个碱基的长度为单位，1个碱基为滑动步长，依次统计各个染色体中各个滑动窗口的短序列富集个数，并基于泊松分布模型，计算各滑动窗口中短序列富集的显著性水平，定义显著性水平超过设定阈值的窗口为短序列富集显著区域，并将其视为DHase I超敏位点。

4.根据权利要求3所述的自动化DNase-seq数据处理分析系统，其特征在于：基于所述DNase I超敏位点的检测结果，统计各个相邻DNase I超敏位点间的距离，对距离小于设置值的两个DNase I超敏位点进行区域合并，进而形成DNase I超敏区域。

5.根据权利要求1所述的自动化DNase-seq数据处理分析系统，其特征在于：所述动态DHS区域分析模块其检测方法包括针对不同样本间差异DNase I超敏位点、差异DNase I超敏区域以及染色体动态变化区域的检测方法，上述方法包括以下4个步骤：

步骤S201)、合并单套数据集中各个样本的DNase I超敏位点检测结果，按照DNase I超敏位点所在染色体区域进行排序，并去除冗余的重复区域；

步骤S202)、以步骤S201的输出结果为基础，逐一统计每个区域在各样本中的短序列富集个数，并生成数据矩阵，该数据矩阵中，一行代表一个合并后的DNase I超敏区域，一列代表一个样本在各区域中的短序列富集个数；

步骤S203)对步骤S202的输出结果进行标准化，去除样本间短序列总数差异和各DNase I超敏区域长度差异对计算DNase I超敏区域信号强度所产生的影响，使得单个DNase I超敏区域在不同样本间和单个样本内的不同DNase I超敏区域之间的信号强度可比；

步骤S204)以步骤S203的数据结果为基础，使用T检验或自举法检验完成不同组间或不同样本间差异DNase I超敏位点、差异DNase I超敏区域以及染色体动态变化区域的检测，如果每个组别存在样本重复，则应用T检验方法计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域，如果每个组别中不存在样本重复，则应用自举法检验计算单个DNase I超敏区域在组间的差异显著性，并将显著性水平小于设定阈值的区域定义为组间差异DNase I超敏位点、差异DNase I超敏区域或染色体动态变化区域。