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

RIGHTS & PERMISSIONS

Higher Education Press and Springer-Verlag Berlin Heidelberg