An introduction to computational tools for differential binding analysis with ChIP-seq data

Abstract

Background: Gene transcription in eukaryotic cells is collectively controlled by a large panel of chromatin associated proteins and ChIP-seq is now widely used to locate their binding sites along the whole genome. Inferring the differential binding sites of these proteins between biological conditions by comparing the corresponding ChIP-seq samples is of general interest, yet it is still a computationally challenging task.

Results: Here, we briefly review the computational tools developed in recent years for differential binding analysis with ChIP-seq data. The methods are extensively classified by their strategy of statistical modeling and scope of application. Finally, a decision tree is presented for choosing proper tools based on the specific dataset.

Conclusions: Computational tools for differential binding analysis with ChIP-seq data vary significantly with respect to their applicability and performance. This review can serve as a practical guide for readers to select appropriate tools for their own datasets.

Graphical abstract

Keywords

ChIP-seq / peak calling / differential binding analysis / computational tools

References

[1] Mardis, E. R.  (2007) ChIP-seq: welcome to the new frontier. Nat. Methods, 4, 613–614

[2] Park, P. J. (2009) ChIP-seq: advantages and challenges of a maturing technology. Nat. Rev. Genet., 10, 669–680

[3] Steinhauser, S., Kurzawa,  N., Eils, R.  and  Herrmann, C.  (2016) A comprehensive comparison of tools for differential ChIP-seq analysis. Brief. Bioinform., 17, 953–966

[4] Kundaje, A., Meuleman,  W., Ernst, J. ,  Bilenky, M. ,  Yen, A. ,  Heravi-Moussavi, A. ,  Kheradpour, P. ,  Zhang, Z. ,  Wang, J. ,  Ziller, M. J. ,  (2015) Integrative analysis of 111 reference human epigenomes. Nature, 518, 317–330

[5] Martens, J. H.  and  Stunnenberg, H. G.  (2013) BLUEPRINT: mapping human blood cell epigenomes. Haematologica, 98, 1487–1489

[6] Lara-Astiaso, D., Weiner,  A., Lorenzo-Vivas, E., Zaretsky, I. ,  Jaitin, D. A. ,  David, E. ,  Keren-Shaul, H. ,  Mildner, A. ,  Winter, D. ,  Jung, S. ,  (2014) Chromatin state dynamics during blood formation. Science, 345, 943–949

[7] Koues, O. I., Kowalewski,  R. A., Chang, L. W. ,  Pyfrom, S. C. ,  Schmidt, J. A. ,  Luo, H. ,  Sandoval, L. E. ,  Hughes, T. B. ,  Bednarski, J. J. ,  Cashen, A. F. ,  (2015) Enhancer sequence variants and transcription-factor deregulation synergize to construct pathogenic regulatory  circuits  in  B-cell  lymphoma.  Immunity, 42, 186–198

[8] Shao, Z., Zhang,  Y., Yuan, G. C. ,  Orkin, S. H.  and  Waxman, D. J.  (2012) MAnorm: a robust model for quantitative comparison of ChIP-Seq data sets. Genome Biol., 13, R16

[9] Xu, J., Shao,  Z., Glass, K. ,  Bauer, D. E. ,  Pinello, L. ,  Van Handel, B. ,  Hou, S. ,  Stamatoyannopoulos, J. A. ,  Mikkola, H. K. ,  Yuan, G. C. ,  (2012) Combinatorial assembly of developmental stage-specific enhancers controls gene expression programs during human erythropoiesis. Dev. Cell, 23, 796–811

[10] Faure, A. J., Schmidt,  D., Watt, S. ,  Schwalie, P. C. ,  Wilson, M. D. ,  Xu, H., Ramsay,  R. G., Odom, D. T.  and  Flicek, P.  (2012) Cohesin regulates tissue-specific expression by stabilizing highly occupied cis-regulatory modules. Genome Res., 22, 2163–2175

[11] Trompouki, E., Bowman,  T. V., Lawton, L. N. ,  Fan, Z. P. ,  Wu, D. C. ,  DiBiase, A. ,  Martin, C. S. ,  Cech, J. N. ,  Sessa, A. K. ,  Leblanc, J. L. ,  (2011) Lineage regulators direct BMP and Wnt pathways to cell-specific programs during differentiation and regeneration. Cell, 147, 577–589

[12] Fujiwara, T., O’Geen,  H., Keles, S. ,  Blahnik, K. ,  Linnemann, A. K. ,  Kang, Y. A. ,  Choi, K. ,  Farnham, P. J.  and  Bresnick, E. H.  (2009) Discovering hematopoietic mechanisms through genome-wide analysis of GATA factor chromatin occupancy. Mol. Cell, 36, 667–681

[13] Liu, W., Tanasa,  B., Tyurina, O. V. ,  Zhou, T. Y. ,  Gassmann, R. ,  Liu, W. T. ,  Ohgi, K. A. ,  Benner, C. ,  Garcia-Bassets, I. ,  Aggarwal, A. K. ,  (2010) PHF8 mediates histone H4 lysine 20 demethylation events involved in cell cycle progression. Nature, 466, 508–512

[14] Yu, M., Riva,  L., Xie, H. ,  Schindler, Y. ,  Moran, T. B. ,  Cheng, Y. ,  Yu, D., Hardison,  R., Weiss, M. J. ,  Orkin, S. H. ,  (2009) Insights into GATA-1-mediated gene activation versus repression via genome-wide chromatin occupancy analysis. Mol. Cell, 36, 682–695

[15] Allhoff, M., Seré,  K., F Pires, J., Zenke, M.  and  G Costa, I.  (2016) Differential peak calling of ChIP-seq signals with replicates with THOR. Nucleic Acids Res., 44, e153

[16] Wang, S., Sun,  H., Ma, J. ,  Zang, C. ,  Wang, C. ,  Wang, J. ,  Tang, Q. ,  Meyer, C. A. ,  Zhang, Y.  and  Liu, X. S.  (2013) Target analysis by integration of transcriptome and ChIP-seq data with BETA. Nat. Protoc., 8, 2502–2515

[17] Ouyang, Z., Zhou,  Q. and Wong, W. H.  (2009) ChIP-Seq of transcription factors predicts absolute and differential gene expression in embryonic stem cells. Proc. Natl. Acad. Sci. USA, 106, 21521–21526

[18] Wang, S., Zang,  C., Xiao, T. ,  Fan, J. ,  Mei, S. ,  Qin, Q. ,  Wu, Q., Li,  X., Xu, K. ,  He, H. H. ,  (2016) Modeling cis-regulation with a compendium of genome-wide histone H3K27ac profiles. Genome Res., 26, 1417–1429

[19] Chen, Y., Negre,  N., Li, Q. ,  Mieczkowska, J. O. ,  Slattery, M. ,  Liu, T. ,  Zhang, Y. ,  Kim, T. K. ,  He, H. H. ,  Zieba, J. ,  (2012) Systematic evaluation of factors influencing ChIP-seq fidelity. Nat. Methods, 9, 609–614

[20] Meyer, C. A. and Liu, X. S. (2014) Identifying and mitigating bias in next-generation sequencing methods for chromatin biology. Nat. Rev. Genet., 15, 709–721

[21] Landt, S. G., Marinov,  G. K., Kundaje, A. ,  Kheradpour, P. ,  Pauli, F. ,  Batzoglou, S. ,  Bernstein, B. E. ,  Bickel, P. ,  Brown, J. B. ,  Cayting, P. ,  (2012) ChIP-seq guidelines and practices of the ENCODE and modENCODE consortia. Genome Res., 22, 1813–1831

[22] Furey, T. S. (2012) ChIP-seq and beyond: new and improved methodologies to detect and characterize protein-DNA interactions. Nat. Rev. Genet., 13, 840–852

[23] Langmead, B., Trapnell,  C., Pop, M.  and  Salzberg, S. L.  (2009) Ultrafast and memory-efficient alignment of short DNA sequences to the human genome. Genome Biol., 10, R25

[24] Zhang, Y., Liu,  T., Meyer, C. A. ,  Eeckhoute, J. ,  Johnson, D. S. ,  Bernstein, B. E. ,  Nusbaum, C. ,  Myers, R. M. ,  Brown, M. ,  Li, W., (2008) Model-based analysis of ChIP-Seq (MACS). Genome Biol., 9, R137

[25] Feng, J., Liu,  T., Qin, B. ,  Zhang, Y.  and  Liu, X. S.  (2012) Identifying ChIP-seq enrichment using MACS. Nat. Protoc., 7, 1728–1740

[26] Zang, C., Schones,  D. E., Zeng, C. ,  Cui, K. ,  Zhao, K.  and  Peng, W.  (2009) A clustering approach for identification of enriched domains from histone modification ChIP-Seq data. Bioinformatics, 25, 1952–1958

[27] Wilbanks, E. G.  and  Facciotti, M. T.  (2010) Evaluation of algorithm performance in ChIP-seq peak detection. PLoS One, 5, e11471

[28] Liang, K. and Keles,  S. (2012) Detecting differential binding of transcription factors with ChIP-seq. Bioinformatics, 28, 121–122

[29] Chen, L., Wang,  C., Qin, Z. S.  and  Wu, H. (2015) A novel statistical method for quantitative comparison of multiple ChIP-seq datasets. Bioinformatics, 31, 1889–1896

[30] Barski, A., Cuddapah,  S., Cui, K. ,  Roh, T. Y. ,  Schones, D. E. ,  Wang, Z. ,  Wei, G. ,  Chepelev, I.  and  Zhao, K.  (2007) High-resolution profiling of histone methylations in the human genome. Cell, 129, 823–837

[31] Wang, Z., Zang,  C., Rosenfeld, J. A. ,  Schones, D. E. ,  Barski, A. ,  Cuddapah, S. ,  Cui, K. ,  Roh, T. Y. ,  Peng, W. ,  Zhang, M. Q. , (2008) Combinatorial patterns of histone acetylations and methylations in the human genome. Nat. Genet., 40, 897–903

[32] Song, Q. and Smith,  A. D. (2011) Identifying dispersed epigenomic domains from ChIP-Seq data. Bioinformatics, 27, 870–871

[33] Ibrahim, M. M. ,  Lacadie, S. A.  and  Ohler, U.  (2015) JAMM: a peak finder for joint analysis of NGS replicates. Bioinformatics, 31, 48–55

[34] Li, Q. H., Brown,  J. B., Huang, H.  and  Bickel, P. J.  (2011) Measuring reproducibility of high-throughput experiments. Ann. Appl. Stat., 5, 1752–1779

[35] Heinz, S., Benner,  C., Spann, N. ,  Bertolino, E. ,  Lin, Y. C. ,  Laslo, P. ,  Cheng, J. X. ,  Murre, C. ,  Singh, H.  and  Glass, C. K.  (2010) Simple combinations of lineage-determining transcription factors prime cis-regulatory elements required for macrophage and B cell identities. Mol. Cell, 38, 576–589

[36] Robinson, M. D. ,  McCarthy, D. J.  and  Smyth, G. K.  (2010) edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26, 139–140

[37] Anders, S. and Huber,  W. (2010) Differential expression analysis for sequence count data. Genome Biol., 11, R106

[38] Ross-Innes, C. S. ,  Stark, R. ,  Teschendorff, A. E. ,  Holmes, K. A. ,  Ali, H. R. ,  Dunning, M. J. ,  Brown, G. D. ,  Gojis, O. ,  Ellis, I. O. ,  Green, A. R. ,  (2012) Differential oestrogen receptor binding is associated with clinical outcome in breast cancer. Nature, 481, 389–393

[39] Conesa, A., Madrigal,  P., Tarazona, S. ,  Gomez-Cabrero, D. ,  Cervera, A. ,  McPherson, A. ,  Szcześniak, M. W. ,  Gaffney, D. J. ,  Elo, L. L. ,  Zhang, X. ,  (2016) A survey of best practices for RNA-seq data analysis. Genome Biol., 17, 13

[40] Feng, J., Meyer,  C. A., Wang, Q. ,  Liu, J. S. ,  Shirley Liu, X.  and  Zhang, Y.  (2012) GFOLD: a generalized fold change for ranking differentially expressed genes from RNA-seq data. Bioinformatics, 28, 2782–2788

[41] Johnson, W. E. ,  Li, C. and Rabinovic, A. (2007) Adjusting batch effects in microarray expression data using empirical Bayes methods. Biostatistics, 8, 118–127

[42] Nueda, M. J., Ferrer,  A. and Conesa, A.  (2012) ARSyN: a method for the identification and removal of systematic noise in multifactorial time course microarray experiments. Biostatistics, 13, 553–566

[43] Robinson, M. D.  and  Smyth, G. K.  (2007) Moderated statistical tests for assessing differences in tag abundance. Bioinformatics, 23, 2881–2887

[44] Law, C. W., Chen,  Y., Shi, W.  and  Smyth, G. K.  (2014) voom: precision weights unlock linear model analysis tools for RNA-seq read counts. Genome Biol., 15, R29

[45] Soneson, C. and Delorenzi, M. (2013) A comparison of methods for differential expression analysis of RNA-seq data. BMC Bioinformatics, 14, 91

[46] Smyth, G. K.  (2004) Linear models and empirical bayes methods for assessing differential expression in microarray experiments.Stat. Appl. Genet. Mol. Biol., 3, Article3

[47] Xu, H., Wei,  C. L., Lin, F.  and  Sung, W. K.  (2008) An HMM approach to genome-wide identification of differential histone modification sites from ChIP-seq data. Bioinformatics, 24, 2344–2349

[48] Allhoff, M., Seré,  K., Chauvistré,  H., Lin, Q. ,  Zenke, M.  and  Costa, I. G.  (2014) Detecting differential peaks in ChIP-seq signals with ODIN. Bioinformatics, 30, 3467–3475

[49] Shen, L., Shao,  N. Y., Liu, X. ,  Maze, I. ,  Feng, J.  and  Nestler, E. J.  (2013) diffReps: detecting differential chromatin modification sites from ChIP-seq data with biological replicates. PLoS One, 8, e65598

[50] Zhang, Y., Lin,  Y. H., Johnson, T. D. ,  Rozek, L. S.  and  Sartor, M. A.  (2014) PePr: a peak-calling prioritization pipeline to identify consistent or differential peaks from replicated ChIP-Seq data. Bioinformatics, 30, 2568–2575

[51] Ernst, J. and Kellis,  M. (2010) Discovery and characterization of chromatin states for systematic annotation of the human genome. Nat. Biotechnol., 28, 817–825

[52] Ernst, J. and Kellis,  M. (2012) ChromHMM: automating chromatin-state discovery and characterization. Nat. Methods, 9, 215–216

[53] Ernst, J., Kheradpour,  P., Mikkelsen, T. S. ,  Shoresh, N. ,  Ward, L. D. ,  Epstein, C. B. ,  Zhang, X. ,  Wang, L. ,  Issner, R. ,  Coyne, M. ,  (2011) Mapping and analysis of chromatin state dynamics in nine human cell types. Nature, 473, 43–49

[54] Kasowski, M., Kyriazopoulou-Panagiotopoulou,  S., Grubert, F. ,  Zaugg, J. B. ,  Kundaje, A. ,  Liu, Y. ,  Boyle, A. P. ,  Zhang, Q. C. ,  Zakharia, F. ,  Spacek, D. V. ,  (2013) Extensive variation in chromatin states across humans. Science, 342, 750–752

[55] Bonhoure, N., Bounova,  G., Bernasconi, D., Praz, V. ,  Lammers, F. ,  Canella, D. ,  Willis, I. M. ,  Herr, W. ,  Hernandez, N. ,  Delorenzi, M. ,  (2014) Quantifying ChIP-seq data: a spiking method providing an internal reference for sample-to-sample normalization. Genome Res., 24, 1157–1168

[56] Smyth, G. K., Michaud,  J. and Scott, H. S.  (2005) Use of within-array replicate spots for assessing differential expression in microarray experiments. Bioinformatics, 21, 2067–2075

[57] Wu, D., Lim,  E., Vaillant, F. ,  Asselin-Labat, M. L. ,  Visvader, J. E.  and  Smyth, G. K.  (2010) ROAST: rotation gene set tests for complex  microarray  experiments. Bioinformatics, 26, 2176–2182

[58] Wu, D. and Smyth,  G. K. (2012) Camera: a competitive gene set test accounting for inter-gene correlation. Nucleic Acids Res., 40, e133

AUTHORS’ CONTRIBUTION

T.S.Q. and Z.S. conceived the study and wrote the manuscript.

ACKNOWLEDGEMENTS

This work was supported by the “100-Talent Program” (Y516C11851) and the interdisciplinary innovation team award of Chinese Academy of Science.

COMPLIANCE WITH ETHICS GUIDELINES

The authors Shiqi Tu and Zhen Shao declare that they have no conflict of interests.

This article is a review article and does not contain any studies with human or animal subjects performed by any of the authors.

RIGHTS & PERMISSIONS

2017 Higher Education Press and Springer-Verlag Berlin Heidelberg