3DGenomes/TADbit入门教程：Hi-C数据分析与TAD识别指南

什么是3DGenomes/TADbit

3DGenomes/TADbit是一个用于分析染色体三维结构和识别拓扑关联域(TAD)的Python工具包。它专门设计用于处理Hi-C数据，能够从原始交互矩阵中识别染色体上的功能区域边界，帮助研究人员理解基因组的三维组织结构。

Hi-C数据格式基础

Hi-C数据通常以对称矩阵的形式存储，矩阵中的每个值代表两个基因组区域之间的交互频率。典型的Hi-C数据格式如下：

chrT_001      chrT_002        chrT_003        chrT_004        chrT_005        chrT_006
chrT_001      629     164     88      105     10      35
chrT_002      86      612     175     110     40      29
chrT_003      159     216     437     105     43      73

数据加载方法

在TADbit中，我们可以通过以下方式加载Hi-C数据：

from pytadbit import Chromosome

# 创建染色体对象
my_chrom = Chromosome(name='chr19', centromere_search=True, 
                      species='Homo sapiens', assembly='NCBI36')

# 加载Hi-C实验数据
my_chrom.add_experiment('k562', cell_type='wild type', exp_type='Hi-C', 
                        hic_data="sample_data/HIC_k562_chr19_100000_obs.txt", 
                        resolution=100000)

注意事项：

1. TADbit默认假设Hi-C矩阵从染色体位置1开始
2. 如果矩阵不包含完整的染色体长度，缺失的行列应填充为零
3. 支持直接读取gzip压缩文件

实验对象操作

实验对象基础

加载的实验数据存储在特殊的实验列表中，可以通过名称或索引访问：

# 访问实验对象
exp1 = my_chrom.experiments[0]
exp2 = my_chrom.experiments["k562"]

实验数据合并

两个Hi-C实验可以相加合并，但建议先进行归一化处理：

# 合并两个实验
combined_exp = my_chrom.experiments["k562"] + my_chrom.experiments["gm06690"]
my_chrom.add_experiment(combined_exp)

注意：合并前应先进行归一化，以避免偏向交互计数更多的实验。

Hi-C数据可视化

TADbit提供了直观的可视化功能，可以快速查看交互矩阵：

# 单个实验可视化
exp1.view()

# 多实验对比可视化
my_chrom.visualize([('k562', 'gm06690'), 'k562+gm06690'])

可视化支持对数转换后的交互计数显示，便于观察不同区域间的相互作用强度。

TAD识别与分析

基本TAD识别

使用TADbit的核心功能识别拓扑关联域：

# 识别TAD
my_chrom.find_tad('k562', n_cpus=8)
my_chrom.find_tad('gm06690', n_cpus=8)

识别结果存储在实验对象的tads属性中，包含每个TAD的起始、结束位置和置信度评分。

TAD结果输出

TAD边界信息可以输出到文件或直接查看：

# 输出TAD边界
exp1.write_tad_borders()

TAD可视化

TAD边界可以在交互矩阵上直观显示：

# 在矩阵上显示TAD边界
my_chrom.visualize(exp1.name, paint_tads=True)

线宽与TAD边界的置信度评分成正比，便于评估边界可靠性。

密度图分析

TADbit还提供密度图来总结TAD特征：

# 生成TAD密度图
my_chrom.tad_density_plot('k562')

图中灰色弧代表TAD，高度反映相对交互量；彩色三角形标记边界，颜色从蓝到红表示置信度。

高级功能

多实验联合分析

TADbit支持基于多个Hi-C实验联合识别TAD：

# 批量模式识别TAD
my_chrom.find_tad(['k562', 'gm06690'], batch_mode=True, n_cpus=8)

限制区域处理

可以设置TAD的最大尺寸限制和中心粒区域处理：

# 设置TAD最大尺寸
my_chrom.set_max_tad_size(3000000)

# 自动识别中心粒区域(创建染色体对象时设置)
my_chrom = Chromosome(..., centromere_search=True)

数据保存与加载

分析结果可以保存以便后续使用：

# 保存染色体对象
my_chrom.save_chromosome("analysis_results.tdb")

# 加载保存的分析
from pytadbit import load_chromosome
loaded_chrom = load_chromosome("analysis_results.tdb")

注意：为节省空间，保存时不包括原始Hi-C数据，需要时重新加载。

总结

3DGenomes/TADbit提供了一套完整的工具链，从Hi-C数据加载、预处理到TAD识别和可视化分析。通过本教程，用户可以掌握基本操作流程，为进一步的3D基因组学研究奠定基础。特别值得注意的是其多实验联合分析能力和灵活的可视化功能，为比较不同条件下的染色体结构变化提供了强大支持。