本篇文章为大家展示了methylKit是进行差异甲基化分析，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

创新互联建站致力于互联网品牌建设与网络营销，包括成都网站设计、网站建设、SEO优化、网络推广、整站优化营销策划推广、电子商务、移动互联网营销等。创新互联建站为不同类型的客户提供良好的互联网应用定制及解决方案，创新互联建站核心团队10多年专注互联网开发，积累了丰富的网站经验，为广大企业客户提供一站式企业网站建设服务，在网站建设行业内树立了良好口碑。

methylKit 是一个用于分析甲基化测序数据的R包，不仅支持WGBS，RRBS和目的区域甲基化测序，还支持oxBS-sq, TAB-seq等分析5hmc的数据。 其核心功能是差异甲基化分析和差异甲基化位点和区域的注释。

安装过程如下:

source(“http://bioconductor.org/biocLite.R“)
biocLite(“methylKit”)

推荐使用最新版本的R进行安装，这样可以使用最新版本的methylKist。
利用methylKit 做差异分析包括3步

1. 读取原始数据

每个样本一个原始数据，methylKit支持两种格式的methylation calling文件

• 纯文本格式

  内容如下

每一行是一个甲基化位点，coverage 代表覆盖这个位点的reads数，freqC 代表甲基化C的比例，freqT 代表非甲基化C的比例。这种纯文本格式内容非常直观，文件大小相比bam 文件小很多，读取的速度更快。
纯文本格式的读取过程如下

treatment参数指定样本的分组，0代表control组，1代表treatment组

• bam文件

直接读取Bismark软件比对产生的bam文件，通过processBismarkAln实现
用法如下：

2. 合并所有样本的数据

将所有样本的甲基化情况合并，得到所有样本的甲基化表达谱，用法如下

meth=unite(myobj, destrand=FALSE)

meth 中的内容如下，其实就是之前的methylation calling文件的合并

在合并的过程中，默认情况下，只有所有的样本都包含该位点时，才会保留，本质就是取的所有样本的交集，如果你想要取并集，可以修改min.per.group参数的值，该参数的值代表每组中至少有多少个样本覆盖该位点时才保留，如果设置为1，就是取并集。

meth.min=unite(myobj,min.per.group=1L)

3. 执行差异分析

通过calculateDiffMeth函数来执行差异甲基化分析，用法如下

myDiff=calculateDiffMeth(meth)

根据甲基化C是变多了还是变少了，可以将差异甲基化的结果分为两大类：

1. hypermethylated

2. hypomethylated

hypermethylated表示相比control组，treatment组中的甲基化C更多；hypomethylated则相反，表示treatment组中的甲基化C比control组中少。
采用getMethylDiff函数提取差异分析的结果，用法如下

difference函数表明差异的阈值，只有差异大于该阈值时，才会保留，起始就是meth.diff的值，注意是绝对值大于difference的值。

除了difference阈值之外，还有qvalue阈值，小于该阈值的结果保留。在methylKit中，校正p值采用的是SILM算法，和我们常规的BH算法不同。
type参数定义差异的类型，如果你只关注hypermethylated或者hypomethylated，可以设置type 参数的值，单独筛选。

在methylKit中，它的差异分析总是针对合并后的甲基化表达谱，如果你的甲基化表达谱每一行是一个甲基化位点，那么差异分析的结果就是差异甲基化位点；如果你的表达谱每一行是一个甲基化区域，那么差异分析的结果就是差异甲基化区域。上面的例子都是针对差异甲基化位点的，下面看下差异甲基化区域的分析。

首先遇到的问题就是甲基化区域如何界定，在methylKit中，按照滑动窗口的方式定义甲基化区域，默认窗口大小为10000 bp ，步长为10000bp,通过tileMethylCounts函数实现。

完整的差异甲基化区域分析的代码如下：

上述内容就是methylKit是进行差异甲基化分析，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。