Juicer:Hi-C数据处理分析的利器

通过Hi-C数据可以分析TAD,chromatin loops等染色质空间结构的基本单元，加强我们对染色质三维结构的认知。面对海量的Hi-C数据，如何高效完成数据分析成为了一个挑战。

目前针对Hi-C数据的分析也有很多的软件可以用，而juicer无疑是使用的最广泛的软件之一。该软件的源代码托管在github上，网址如下

https://github.com/aidenlab/juicer

对应的文章发表在cell杂志上，链接如下

https://www.cell.com/action/showPdf?pii=S2405-4712%2816%2930219-8

如下图所示，和其名字一样，juicer就像是一款榨汁机，输入Hi-C产生的原始fastq数据，经过层层加工，直到产生有效的数据分析结果。在整个数据分析过程中，使用者不需要高深的编程技巧，只需要一些基本的操作规范，人人都可以使用该软件来分析Hi-C数据。

juicer作为一款强大的分析软件，有以下几个特点

1. 可以分析处理TB级别的海量数据，可以有效利用FPGA, GPU，集群等硬件资源来加速处理速度
2. 提供了数据预处理，交互图谱创建和可视化，TAD和染色质环结构预测等一些列完整的pipeline
3. 简单易用，不需要复杂的背景知识

该软件按照功能拆分成了三个大的分析步骤，依次运行即可得到最终的分析结果

1. 数据预处理，将原始的fastq序列比对参考基因组，识别其中的valid pairs, 并生成一个后缀为hic的文件
2. 读取hic文件，创建可视化的交互图谱，也称之为contact map, 并进行归一化
3. 采用算法预测TAD和染色质环等结构

完整功能示意如下

juicer采用ArrowHead算法对原始的交互矩阵进行转化，并预测TAD拓扑关联结构域，采用HiCUUPS算法识别染色质环chromatin loops。和其他Hi-C数据处理软件相比，juicer的功能更为齐全

juicer独创了一种名为hic的文件格式，用来存储Hi-C数据的相关信息，这种格式是一种高度压缩的二进制文件格式，在以下链接可以查看这种格式的详细信息

https://github.com/theaidenlab/juicebox/blob/master/HiC_format_v8.docx

在后续的文章中，会详细介绍该软件的用法。