共定位 | colocalization 分析 | 表观因子

 

这是个非常经典的分析，用于来确定蛋白互作。

传统的蛋白互作分析，就是co-IP，Mass spec等，但这类技术的假阳性和敏感度都不够。

还有就是荧光图，然后对图像做共定位分析，这个需要非常高分辨率的共聚焦显微镜。

 

还有一种，表观因子的共定位分析，那就是对ChIP-seq和Cut&Run的summit做距离分析。

bedtools closest 已经帮你实现了这个功能。【peak注释到gene其实也用了类似的函数】

https://bedtools.readthedocs.io/en/latest/content/tools/closest.html

 

这个方法存在的问题：

• summit的鉴定非常依赖高质量的ChIP-seq和Cut&Run数据

但我觉得这个技术整体是可行的，能够得到一部分有意义的信息。

 

代码：

bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Paul_dTAG/DMSO_SMARCC1_1.sorted.mapped.bam_summits.bed -d > SOX9_SMARCC1.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Paul_dTAG/DMSO_SOX9_1.sorted.mapped.bam_summits.bed -d > SOX9_SOX9.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Raghwan_dTAG/dT29_SMB1_DM1.sorted.mapped.bam_summits.bed -d > SOX9_SMB1.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Raghwan_dTAG/dT29_SC1_DM1.sorted.mapped.bam_summits.bed -d > SOX9_SC1.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Raghwan_dTAG/dT29_PBR1_DM1.sorted.mapped.bam_summits.bed -d > SOX9_PBR1.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Raghwan_dTAG/dT29_BRD9_DM1.sorted.mapped.bam_summits.bed -d > SOX9_BRD9.summit.distance
bedtools closest -a Raghwan_dTAG/dT29_SOX9_DM1.sorted.mapped.bam_summits.bed -b Raghwan_dTAG/dT29_ARD1_DM1.sorted.mapped.bam_summits.bed -d > SOX9_ARD1.summit.distance

　　

参考：

- http://localhost:17449/lab/tree/projects/BAF_SOX9/diffbind/5.Motif.ipynb#summit-distance