MACS2、SEACR 与 Genrich
MACS2 是 ChIP-seq 和 ATAC-seq 最常用的峰识别工具，支持窄峰和宽峰；SEACR 为背景低的 CUT&Tag 类数据设计；Genrich 常用于 ATAC-seq。H3K27me3 一般按宽峰处理。
28个分析 Skill · Codar 生信插件
表观基因组学 AI 分析
表观基因组学研究不改变 DNA 序列却影响基因表达的调控层面，包括染色质开放、组蛋白修饰、DNA 甲基化和三维基因组结构，典型数据有 ATAC-seq、ChIP-seq、CUT&Tag、亚硫酸氢盐测序和 Hi-C。Codar 的这个插件覆盖峰识别与差异分析、基序与足迹、差异甲基化、增强子靶基因关联和 TAD 分析。
表观基因组学能回答哪些研究问题
- 处理后哪些区域的染色质可及性发生了改变？
- 差异开放区域富集了哪些转录因子的基序？
- 肿瘤与癌旁组织之间有哪些差异甲基化区域？
- 某个增强子可能调控的是哪个靶基因？
- 疾病相关位点与候选基因是否落在同一个 TAD 内？
表观基因组学分析流程
- 1
比对与去重
检查测序质量后比对到参考基因组，去除 PCR 重复和低质量读段，ATAC-seq 还要看线粒体读段比例。
- 2
信号质控
评估片段长度分布、TSS 富集和 FRiP 等指标，先判断实验本身是否成功。
- 3
峰识别
按数据类型选择窄峰或宽峰模式，有 input 或 IgG 对照时一并纳入。
- 4
差异分析
在一致峰集上统计计数，按分组做差异可及性、差异结合或差异甲基化分析。
- 5
调控解读
做基序富集与足迹分析，把峰注释到邻近基因，并推断增强子与靶基因的关联。
- 6
结果交付
输出 bigWig 信号轨迹、峰文件、差异区域表、热图和分析脚本。
常用方法与怎么选
DiffBind 与 csaw
DiffBind 在一致峰集上计数，再调用 DESeq2 或 edgeR 做差异结合分析，是常用选择；csaw 采用滑动窗口，不依赖预先识别的峰，更适合宽峰信号。两者都需要生物学重复，单样本对比只能做描述。
HOMER、chromVAR 与 TOBIAS
HOMER 常用于峰区域的已知基序和从头基序富集；chromVAR 在样本或单细胞层面估计各基序的可及性偏差；TOBIAS 利用 Tn5 切割模式做足迹分析，推测转录因子是否实际结合，对测序深度要求较高。
Bismark、DSS 与 minfi
Bismark 是亚硫酸氢盐测序常用的比对和甲基化提取工具；DSS、methylKit 用于识别差异甲基化区域；450K、EPIC 芯片通常用 minfi 或 SeSAMe 预处理。血液和组织样本还要考虑细胞组成的影响。
需要准备的数据
- 原始 FASTQ 或已比对的 BAM 文件
- 样本信息表：分组、重复、input 或 IgG 对照
- 甲基化芯片的 IDAT 文件（如适用）
- 参考基因组版本与基因注释
- 或公开数据的 GEO、ENCODE 编号
能得到的结果
- 比对与信号质控报告（TSS 富集、FRiP 等）
- 峰文件与 bigWig 信号轨迹
- 差异可及性或差异甲基化区域表
- 转录因子基序富集与足迹结果
- 峰注释、热图与信号 profile 图
- A/B 区室、TAD 与染色质环结果
表观基因组学插件包含的分析能力
共 28 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- ATAC-seq染色质可及性分析
- 序列驱动的调控效应预测
- 组蛋白ChIP-seq分析
- 染色质环与增强子-启动子互作
- CUT&RUN与CUT&Tag分析
- 差异甲基化区域识别
- DNase-seq染色质可及性分析
- 增强子与靶基因关联
- 增强子与超级增强子识别
- 转录因子基序与足迹分析
- Hi-C数据处理与质量控制
- 亚硫酸氢盐测序与DNA甲基化分析
- 甲基化芯片预处理与细胞组成校正
- 染色质状态与等位基因特异分析
- 染色质区室与TAD分析
nf-core 标准流程（13 个）
- nf-core-atacseq流程
- nf-core-callingcards流程
- nf-core-chipseq流程
- nf-core-cutandrun流程
- nf-core-epigenomesegmentation流程
- nf-core-hic流程
- nf-core-hicar流程
- nf-core-methylarray流程
- nf-core-methylong流程
- nf-core-methylseq流程
- nf-core-mnaseseq流程
- nf-core-sammyseq流程
- nf-core-ssds流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「表观基因组学」
在插件页找到「表观基因组学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我分析这组 ATAC-seq 数据，比较处理组和对照组的差异可及性区域，并做转录因子基序富集。
表观基因组学常见问题
CUT&Tag 和 ChIP-seq 该怎么选？
CUT&Tag 和 CUT&RUN 在原位切割目标区域，背景低、所需细胞少，适合样本有限或研究组蛋白修饰；ChIP-seq 方法成熟，公开数据和抗体资料更多。部分转录因子在 CUT&Tag 中信号不稳定，选择前最好查阅已有数据。
ATAC-seq 需要生物学重复吗？
需要。差异可及性分析和 ChIP-seq 一样依赖重复来估计组内变异，通常建议每组至少 2 到 3 个生物学重复，ENCODE 的数据标准也要求重复间有一致性。没有重复时只能做描述性比较，结论需要谨慎。
Hi-C 数据一般分析哪些结构？
通常从三个尺度解读：A/B 区室反映开放与紧缩染色质的大尺度分隔，TAD 是内部互作频繁的结构域，染色质环对应增强子与启动子等特定位点之间的接触。能分析到哪个尺度取决于测序深度，染色质环的检测对深度要求最高。
其他生信插件
macOS 12+Mac
Windows 10+Windows