- 安装
官网中提到三种安装方法，可通过conda, pip，git clone 安装该软件.
我们这里利用conda,非常简单快速.
1.1 conda创建环境
conda create -n fithic python=3.8
1.2 conda 安装 fithic
conda install fithic
1.3 测试
fithic -V
1.4 测试数据
svn export https://github.com/ay-lab/fithic/trunk/fithic/tests/
1.5 获得源代码
git clone https://github.com/ay-lab/fithic.git
利用源代码/fithic/tests/run_tests-pip.sh 测试软件，正常情况下应该看到所有步骤都是成功的.
- 用自己的数据检测显著性互作
2.1 在源代码fithic/utils/目录下有很多辅助脚本，这里我们使用HiCPro2FitHiC.py脚本准备input文件
利用hic-pro的结果:
python3 ./fithic/utils/HiCPro2FitHiC.py -i /hicpro/matrix/WT/raw/10000/WT_10000.matrix --bed /hicpro/matrix/WT/raw/10000/WT_10000_abs.bed -s /hicpro/matrix/WT/iced/10000/WT_10000_iced.matrix.biases -o ./WT -r 10000
参数解释:
-i hicpro结果中产生的原始矩阵
--bed 原始矩阵相对应的bin的数目及坐标
-s hicpro结果iced校正后的值
-o 输出结果的目录
-r 解析度
2.2 在完成上一步之后，我们会得到三个压缩文件可以作为fithic 主程序的输入文件.分别为:
fithic.fragmentMappability.gz, hic实验中的片段信息;
fithic.interactionCounts.gz, hic实验中片段之间的互作信息.
fithic.biases.gz, ICE方法的校正信息.
有了这些文件，我们终于可以进行分析，找到显著性的互作.
2.3 执行fithic
fithic -f fithic.fragmentMappability.gz -i fithic.interactionCounts.gz -o ./10k_WT -r 10000 -t fithic.biases.gz -v -x All
参数解释: -f, -i, -t是我们准备好的输入文件.
-o 是输出文件的目录
-r 解析度
-v 产生相应的显著性互作的图
-x All. 是指找到染色体间和染色体内的互作，还有另外两个选项是 'interOnly', 'intraOnly'.
运行时间还是挺快的，两个小时左右产生结果.
-
结果
产生出5个文件，由于我们添加了-v选项，因此会有两个图.其中一个如下所示
image.png
我们主要关注的FitHiC.spline_pass1.res10000.significances.txt.gz文件包含互作信息.如下所示
image.png
前四列分别是互作的两个片段的染色体位置和互作片段的中点位置，contactCount是互作数目，p-value 和 q-value 是显著性统计值，bias1 和 bias2 是两个互作片段的Bias value，ExpCC 是预期的互作个数.
3.1 过滤和合并
由于我们想得到显著性的互作，因此可以根据实际情况通过p-value 或者q-value进行过滤，此外也可以利用./fithic/utils/下的merge-filter.sh 或者 merge-filter-parallelized.sh对临近的互作合并.
🆗，就到这里吧.
更多信息和问答可以参考GitHub网站
https://github.com/ay-lab/fithic
