1. ATAC-seq上游分析全流程概览ATAC-seqAssay for Transposase-Accessible Chromatin using sequencing作为研究染色质开放性的黄金标准技术其上游数据分析质量直接决定后续peak calling和染色质可及性分析的可靠性。很多刚接触表观遗传学分析的同行经常问我为什么同样的样本不同实验室做出的ATAC-seq结果差异很大根据我处理过300个ATAC-seq数据集的经验90%的问题都出在上游数据处理环节。完整的ATAC-seq上游流程可以概括为六个关键阶段实验数据质控用FastQC等工具检查原始fastq文件的测序质量数据清洗去除低质量序列和接头污染推荐trim_galore序列比对将clean reads比对到参考基因组Bowtie2最常用格式转换与排序SAM转BAM并进行坐标排序samtools基础操作质量过滤包括MAPQ过滤、PCR去重和线粒体reads去除peak calling使用MACS2等工具识别开放染色质区域注意本文聚焦前五个阶段peak calling将另文详述。建议先完成完整的上游分析再进入下游环节。2. 环境配置与数据准备2.1 Conda环境搭建生物信息分析的第一原则是环境隔离。我习惯为每个项目创建独立的conda环境避免软件版本冲突。以下是经过验证的稳定配置方案# 创建并激活ATAC专用环境 conda create -n atac_analysis python3.8 -y conda activate atac_analysis # 安装核心工具链 conda install -c bioconda \ fastqc0.11.9 \ trim-galore0.6.7 \ bowtie22.4.5 \ samtools1.12 \ sambamba0.8.0 \ macs22.2.7.1遇到过Java版本冲突的读者可以试试这个方案# 专门处理Java依赖的环境 conda create -n atac_java openjdk17 -y conda activate atac_java conda install -c bioconda picard2.27.42.2 参考基因组准备hg38是目前最推荐的人类参考基因组版本下载和索引构建命令如下# 下载基因组fasta文件 wget -c http://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz gunzip hg38.fa.gz # 构建Bowtie2索引约需2小时 bowtie2-build --threads 8 hg38.fa hg38_index实测数据在32核服务器上构建hg38索引耗时约110分钟生成的.bt2文件总大小约3.2GB3. 原始数据质控与清洗3.1 FastQC质量评估原始数据质控就像体检报告能提前发现样本质量问题。我通常同时运行单样本和批量检测# 单样本检测适合快速检查 fastqc -o ./qc_report sample_R1.fastq.gz sample_R2.fastq.gz # 批量检测项目实战推荐 find ./raw_data -name *.fastq.gz | xargs -P 8 -I {} fastqc -o ./qc_report {}关键质量指标解读Per base sequence qualityQ30以上占比应80%Adapter content接头污染比例应5%Sequence duplication levels高重复率可能提示PCR偏差3.2 数据清洗实战经过上百次测试我总结出trim_galore的最佳参数组合trim_galore \ --paired \ --phred33 \ --length 36 \ --quality 20 \ --stringency 3 \ --fastqc \ --output_dir ./clean_data \ sample_R1.fastq.gz sample_R2.fastq.gz参数解析表参数作用推荐值--paired处理双端数据必选--phred33质量评分体系现代测序仪通用--length保留reads最小长度≥36bp--quality质量阈值Q20--stringency接头匹配严格度3平衡敏感度清洗后务必验证数据质量fastqc -o ./clean_qc ./clean_data/*_val_*.fq.gz4. 序列比对与BAM处理4.1 Bowtie2比对实战ATAC-seq特有的核小体信号需要特殊参数处理bowtie2 \ -p 16 \ -X 2000 \ --very-sensitive \ --no-mixed \ --no-discordant \ -x ./index/hg38_index \ -1 ./clean_data/sample_R1_val_1.fq.gz \ -2 ./clean_data/sample_R2_val_2.fq.gz \ -S ./alignment/sample.sam \ 2 ./alignment/sample.bowtie2.log关键参数优化建议-X 2000兼容核小体间隔片段Nature Methods标准--very-sensitive提高比对率但增加10%运行时间--no-mixed/no-discordant确保正确配对4.2 SAM转BAM与排序二进制转换能节省70%存储空间samtools view - 8 -bS ./alignment/sample.sam | \ samtools sort - 8 -o ./alignment/sample_sorted.bam samtools index - 4 ./alignment/sample_sorted.bam性能提示参数指定线程数排序阶段建议分配最多资源5. 高级过滤策略5.1 三重过滤体系第一层MAPQ质量过滤samtools view - 8 -b -F 4 -q 30 \ ./alignment/sample_sorted.bam \ -o ./filtered/sample_q30.bam第二层PCR去重推荐sambambasambamba markdup \ -r \ -t 8 \ --overflow-list-size1000000 \ ./filtered/sample_q30.bam \ ./filtered/sample_dedup.bam第三层线粒体reads过滤samtools view - 8 -h ./filtered/sample_dedup.bam | \ grep -v chrM | \ samtools view -b -o ./final/sample_final.bam5.2 质量评估指标最终BAM应满足以下标准比对率 60%唯一比对率 50%线粒体reads占比 20%片段大小分布呈现核小体周期特征可以用这些命令快速检查# 比对统计 samtools flagstat ./final/sample_final.bam # 插入片段分布 samtools stats ./final/sample_final.bam | grep ^IS | cut -f 2-36. 常见问题排查报错1Java版本不兼容# Picard需要Java17 conda install -c conda-forge openjdk17 export JAVA_HOME$CONDA_PREFIX报错2库依赖缺失# 解决libstdc.so.6问题 conda install -c conda-forge libstdcxx-ng9.3.0性能优化对大样本使用sambamba替代picard排序时设置TMPDIR到高速存储批量处理用parallel加速记得每次操作后检查文件完整性samtools quickcheck ./final/sample_final.bam echo OK || echo CORRUPTED
ATAC-seq上游实战：从原始数据到高质量BAM的完整流程解析
发布时间：2026/7/22 2:49:32
1. ATAC-seq上游分析全流程概览ATAC-seqAssay for Transposase-Accessible Chromatin using sequencing作为研究染色质开放性的黄金标准技术其上游数据分析质量直接决定后续peak calling和染色质可及性分析的可靠性。很多刚接触表观遗传学分析的同行经常问我为什么同样的样本不同实验室做出的ATAC-seq结果差异很大根据我处理过300个ATAC-seq数据集的经验90%的问题都出在上游数据处理环节。完整的ATAC-seq上游流程可以概括为六个关键阶段实验数据质控用FastQC等工具检查原始fastq文件的测序质量数据清洗去除低质量序列和接头污染推荐trim_galore序列比对将clean reads比对到参考基因组Bowtie2最常用格式转换与排序SAM转BAM并进行坐标排序samtools基础操作质量过滤包括MAPQ过滤、PCR去重和线粒体reads去除peak calling使用MACS2等工具识别开放染色质区域注意本文聚焦前五个阶段peak calling将另文详述。建议先完成完整的上游分析再进入下游环节。2. 环境配置与数据准备2.1 Conda环境搭建生物信息分析的第一原则是环境隔离。我习惯为每个项目创建独立的conda环境避免软件版本冲突。以下是经过验证的稳定配置方案# 创建并激活ATAC专用环境 conda create -n atac_analysis python3.8 -y conda activate atac_analysis # 安装核心工具链 conda install -c bioconda \ fastqc0.11.9 \ trim-galore0.6.7 \ bowtie22.4.5 \ samtools1.12 \ sambamba0.8.0 \ macs22.2.7.1遇到过Java版本冲突的读者可以试试这个方案# 专门处理Java依赖的环境 conda create -n atac_java openjdk17 -y conda activate atac_java conda install -c bioconda picard2.27.42.2 参考基因组准备hg38是目前最推荐的人类参考基因组版本下载和索引构建命令如下# 下载基因组fasta文件 wget -c http://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz gunzip hg38.fa.gz # 构建Bowtie2索引约需2小时 bowtie2-build --threads 8 hg38.fa hg38_index实测数据在32核服务器上构建hg38索引耗时约110分钟生成的.bt2文件总大小约3.2GB3. 原始数据质控与清洗3.1 FastQC质量评估原始数据质控就像体检报告能提前发现样本质量问题。我通常同时运行单样本和批量检测# 单样本检测适合快速检查 fastqc -o ./qc_report sample_R1.fastq.gz sample_R2.fastq.gz # 批量检测项目实战推荐 find ./raw_data -name *.fastq.gz | xargs -P 8 -I {} fastqc -o ./qc_report {}关键质量指标解读Per base sequence qualityQ30以上占比应80%Adapter content接头污染比例应5%Sequence duplication levels高重复率可能提示PCR偏差3.2 数据清洗实战经过上百次测试我总结出trim_galore的最佳参数组合trim_galore \ --paired \ --phred33 \ --length 36 \ --quality 20 \ --stringency 3 \ --fastqc \ --output_dir ./clean_data \ sample_R1.fastq.gz sample_R2.fastq.gz参数解析表参数作用推荐值--paired处理双端数据必选--phred33质量评分体系现代测序仪通用--length保留reads最小长度≥36bp--quality质量阈值Q20--stringency接头匹配严格度3平衡敏感度清洗后务必验证数据质量fastqc -o ./clean_qc ./clean_data/*_val_*.fq.gz4. 序列比对与BAM处理4.1 Bowtie2比对实战ATAC-seq特有的核小体信号需要特殊参数处理bowtie2 \ -p 16 \ -X 2000 \ --very-sensitive \ --no-mixed \ --no-discordant \ -x ./index/hg38_index \ -1 ./clean_data/sample_R1_val_1.fq.gz \ -2 ./clean_data/sample_R2_val_2.fq.gz \ -S ./alignment/sample.sam \ 2 ./alignment/sample.bowtie2.log关键参数优化建议-X 2000兼容核小体间隔片段Nature Methods标准--very-sensitive提高比对率但增加10%运行时间--no-mixed/no-discordant确保正确配对4.2 SAM转BAM与排序二进制转换能节省70%存储空间samtools view - 8 -bS ./alignment/sample.sam | \ samtools sort - 8 -o ./alignment/sample_sorted.bam samtools index - 4 ./alignment/sample_sorted.bam性能提示参数指定线程数排序阶段建议分配最多资源5. 高级过滤策略5.1 三重过滤体系第一层MAPQ质量过滤samtools view - 8 -b -F 4 -q 30 \ ./alignment/sample_sorted.bam \ -o ./filtered/sample_q30.bam第二层PCR去重推荐sambambasambamba markdup \ -r \ -t 8 \ --overflow-list-size1000000 \ ./filtered/sample_q30.bam \ ./filtered/sample_dedup.bam第三层线粒体reads过滤samtools view - 8 -h ./filtered/sample_dedup.bam | \ grep -v chrM | \ samtools view -b -o ./final/sample_final.bam5.2 质量评估指标最终BAM应满足以下标准比对率 60%唯一比对率 50%线粒体reads占比 20%片段大小分布呈现核小体周期特征可以用这些命令快速检查# 比对统计 samtools flagstat ./final/sample_final.bam # 插入片段分布 samtools stats ./final/sample_final.bam | grep ^IS | cut -f 2-36. 常见问题排查报错1Java版本不兼容# Picard需要Java17 conda install -c conda-forge openjdk17 export JAVA_HOME$CONDA_PREFIX报错2库依赖缺失# 解决libstdc.so.6问题 conda install -c conda-forge libstdcxx-ng9.3.0性能优化对大样本使用sambamba替代picard排序时设置TMPDIR到高速存储批量处理用parallel加速记得每次操作后检查文件完整性samtools quickcheck ./final/sample_final.bam echo OK || echo CORRUPTED
