Systematic bias in high-throughput sequencing data and its correction by BEADS.
Systematic bias in high-throughput sequencing data and its correction by BEADS.
复制标题
DOI：
10.1093/nar/gkr425
复制
发表时间：
2011-08
影响因子：
14.9
通讯作者：
Ahringer J
中科院分区：
文献类型：
--
作者：
Cheung MS;Down TA;Latorre I;Ahringer J
通过高通量测序获得的基因组序列在整个基因组中不是均匀分布的。例如，总基因组DNA的测序数据显示了启动子和外显子上显著但意想不到的富集。这种系统性偏差是染色质免疫沉淀等技术的一个特殊问题，其中靶因子的信号在基因组特征中作图。我们专注于从Illumina的Genome Analyser平台获得的数据，其中至少有三个因素导致序列偏差：GC含量，测序读数的可映射性以及可能由局部结构产生的区域偏差。我们表明，依赖于输入控制作为一个归一化通常是不合适的，由于样本到样本的偏差变化。为了纠正序列偏差，我们提出了BEADS（深度测序的偏差消除算法），这是一个简单的三步归一化方案，成功地揭示了ChIP-seq数据中的真实的结合模式。我们建议在数据解释和下游分析之前常规进行该程序。
Genomic sequences obtained through high-throughput sequencing are not uniformly distributed across the genome. For example, sequencing data of total genomic DNA show significant, yet unexpected enrichments on promoters and exons. This systematic bias is a particular problem for techniques such as chromatin immunoprecipitation, where the signal for a target factor is plotted across genomic features. We have focused on data obtained from Illumina’s Genome Analyser platform, where at least three factors contribute to sequence bias: GC content, mappability of sequencing reads, and regional biases that might be generated by local structure. We show that relying on input control as a normalizer is not generally appropriate due to sample to sample variation in bias. To correct sequence bias, we present BEADS (bias elimination algorithm for deep sequencing), a simple three-step normalization scheme that successfully unmasks real binding patterns in ChIP-seq data. We suggest that this procedure be done routinely prior to data interpretation and downstream analyses.
登录
查看更多内容
影响因子：
46.9
作者：
Ji, Hongkai;Jiang, Hui;Ma, Wenxiu;Johnson, David S.;Myers, Richard M.;Wong, Wing H.
通讯作者：
Wong, Wing H.
影响因子：
14.9
作者：
Tuteja G;White P;Schug J;Kaestner KH
通讯作者：
Kaestner KH
影响因子：
4.5
作者：
Rechtsteiner A;Ercan S;Takasaki T;Phippen TM;Egelhofer TA;Wang W;Kimura H;Lieb JD;Strome S
通讯作者：
Strome S
影响因子：
3.7
作者：
Teytelman L;Ozaydin B;Zill O;Lefrançois P;Snyder M;Rine J;Eisen MB
通讯作者：
Eisen MB
影响因子：
16.8
作者：
Schwartz, Schraga;Meshorer, Eran;Ast, Gil
通讯作者：
Ast, Gil