本教程需要rcistarget> = 1.11

软件包（“ rcistarget”）
## [1]'1.17.0'

1.准备/下载输入区域

下载.file（“ https://gbiomed.kuleuven.be/apps/lcb/i-cistarget/examples/input_files/human/peaks/encode_gata1_peaks.bed”bed（“ encode_gata1_peaks.bed”）区域集< -  list（gata1_peaks = geimionsList）

2.加载RCISTARGET数据库

该分析需要基于区域的数据库（适用于适当的生物体）：基于区域的基序排名-TOBIF-TF注释（基于区域和基因的分析相同） - 区域位置（即从区域ID转换为基因组位置）

数据库可以从：https://resources.aertslab.org/cistarget/

库（rcistarget）＃主题排名featherfilepath < - “〜/databases/hg19-rigions-9species.all_regions.mc9nr.feather”＃motif-tf-tf tf Annotations data（“ mopifannotations_hgnc”dbregionsloc <-dbregionsloc_hg19
  • 注意：人类和鼠标数据库仅需要区域位置。为了果蝇，区域ID包含该位置，可以通过以下方式获得：
dbregionsloc <-getDbregionsLoc（featherfilepath）

3.运行分析

基于基因的分析的主要区别在于，区域需要首先转换为数据库ID，而参数需要转换为数据库IDAucmaxrank应该调整：

  • 对于人类：Aucmaxrank = 0.005
  • 对于鼠标：Aucmaxrank = 0.005
  • fly：Aucmaxrank = 0.01
＃convert区域集egionsets_db < -  lapply（区域集，函数（x）convertTotArgetRegions（queryRegions = x，targetRigions = dbregionsloc））＃导入排名AllRegionStoimport allregionStoimport <-- unifer（UNLIST（lunlist（eNegionSetsets_db）））;长度（AllRegionStoimport）矩阵<-不良转移（featherfilepath，columns = allregionStoimport）＃运行rcistarget motifenrichmenttable <-cistarget（cistionsets_db，motifrankings，iucmaxrank，aucmaxrank，aucmaxrank = 0.005*getnumcolifrifrifrifrifrifrifrifrifrifrifrifrifrifrifrifrifrife＃infutifrife architrife）＃