四、Hi-C数据预处理和分析

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用