CMP分析流程
发布网友
发布时间：2022-12-21 21:00
共1个回答
热心网友
时间：2024-12-14 23:49
**（1）在xx范围内含有至少2个CG；（2）reads1 barcode区域的质量值控制；（3）barcode一样的reads仅保留一个 **
（1）在xx范围内含有至少2个CG
（2）reads1 barcode区域的质量值控制
TTTCCCTACACGACGCTCTTCCGATCTHHHHHHHHCGCH
TTTCCCTACACGACGCTCTTCCGATCTHHHHHHHCGHCH
TTTCCCTACACGACGCTCTTCCGATCTHHHHHHCGHHCH
TTTCCCTACACGACGCTCTTCCGATCTHHHHHCGHHHCH
（3）、barcode一样的reads仅保留一个
重复1.5、noch_arra 过程，输入文件为$s.5bp.cgcgmat.gz
s07.Pcgibed:$s.5bp.cgcgmat.rmd.gz s07.Tcgibed:$s.5bp.cgcgmat.gz T- s07.Tcgibed/$s.cgcgmat P- s07.Pcgibed/$s.cgcgmat.qc uPnorm- s07.Pcgibed/$s.cgcgmat.qc*(qc-dCGI-$s/rmd-dCGI-$s)
uP-xxx:对于血浆样本，在MePM基础上乘以 qc-dCGI-$s/rmd-dCGI-$s
P和T的差别在于P算的UMI，T算的MePM
fmg9_m.clean：
clean reads 条数
fmg9_m.qc5.clean：
对clean reads再次做前5bp的qc后的reads
fmg9_m.filter：去掉前6bp后12bp后剩余的reads数
fmg9_m.rmfilter：去掉含有3个及以上nonCG的reads
fmg9_m.unique_mapping：bismark mapping到基因组
fmg9_m.cgcgmat：在-3~+3bp（含3bp）（mapping位点为0）中至少有2个CG
fmg9_m.cgcgmat.qc：在fmg9_m.cgcgmat的基础上，reads的前5bp做过qc
fmg9_m.cgcgmat.qc.rmd：用UMI去掉PCR重复序列
P-CGI-fmg9_m：用UMI去掉PCR重复后落在CGI中的序列
T-CGI-fmg9_m：不用UMI去掉PCR重复后落在CGI中的序列
qc-dCGI-fmg9_m：qc前5bp，落在dCGI区域中的reads(dCGI有3024个，分别是什么
呢？)
qc-dCGI2-fmg9_m：qc前5bp，落在dCGI2区域中的reads(dCGI2有9513个，分别是
什么呢？)
rmd-dCGI-fmg9_m：qc前5bp，去掉UMI，落在dCGI中的reads
rmd-dCGI2-fmg9_m：qc前5bp，去掉UMI，落在dCGI2中的reads
filter2_nonCGfmg9_m：1-（"total methylated C in CHG"+"total methylated
C in CHH" ）/("total methylated C in CHG"+"total methylated C in
CHH" +"total C to T conversions in CHG context"+"Total C to T
conversions in CHH context")）完成filter而未去掉含3个及以上nonCG的第二端序列然后bismark比对结果
filter1_nonCGfmg9_m ：同上，第一端序列
不光用MePM衡量甲基化程度，还用测到reads含有的甲基化位点的C/C+T来衡量。
一个小问题：是否应该同时考虑reads1和reads2的信息，为了解决这个问题，
应该计算reads1和reads2重叠区域是否很多，如果基本上重复，那么reads1和
reads2的信息是一致的，仅需要考虑一条reads即可，如果reads1和reads2重叠
区域少，那么应该同时考虑两条reads的情况。这样计算有点麻烦，因为不能分别
把reads1和reads2的C加起来，C+T加起来，然后C/C+T，原因是这样会导致重叠
区域权重增大，应该是上述的C-重叠区域C，上述C+T-重叠区域C+T，然后C/C+T
才是真的甲基化程度。所以我觉得考虑一条reads足以。
正链序列（起始点）落在正链cgcgcgg上，负链序列（起始点）落在负链cgcgcgg上
问：为什么要对单碱基数据也做normalise？
答：文老师发现一个肝癌数据中C特别高，但是癌症程度并不算太高，而是由于测序深度太深造成的。那么如果只关注C的绝对值，测序越深，C的绝对值就会越高。如果测饱和了（每个阳性位点都测到了），C的绝对值不会因为测序而升高（去掉PCR plicate后），没有测饱和的时候，用绝对值计算是要受到测序深度影响的。另外，两个病人释放不同量的ccfDNA，而其中癌症相关的都是一条，因为取血量一样，都是5ml，那么癌症相关DNA浓度一样，但是测序得到的结果（同样测序深度）就不一样了，解决办法：饱和程度。测饱和可以解决以上两个问题。
问：为什么不用CGI-qc/CGI-rmd作为plication rate，既然T和upnor的方法本质上是一样的，upnor的优势是什么？
答：upnor的plication rate是一样的，而去重的时候，不可能每个位点去掉重复的比例一致，只要是乘以一个固定的plication rate，T带来的随机性就被去掉了，至于能否用CGI-qc/rmd-CGI作为plication rate，也要筛选那些低拷贝的地方吧，不筛选得到的plication rate，高拷贝的地方占权重会大。
1. read1_2_filter_adapter.pl
2.rm_firstx_leny.pl
3.ch3deleate.pl
4.s05.noch_arrange
5.extractCGx2.pl
6.qc5bp.pl
7.rmppcrv2.pl
8、CGIcgcgcggv2.sh
