Abstract The increasing volume of ChIP-chip and ChIP-seq data being generated creates a challenge for standard, integrative and reproducible bioinformatics data analysis platforms. We developed a web-based application called Cistrome, based on the Galaxy open source framework. In addition to the standard Galaxy functions, Cistrome has 29 ChIP-chip- and ChIP-seq-specific tools in three major categories, from preliminary peak calling and correlation analyses to downstream genome feature association, gene expression analyses, and motif discovery. Cistrome is available at http://cistrome.org/ap/ .

Chromatin immunoprecipitation, DNase I hypersensitivity and transposase-accessibility assays combined with high-throughput sequencing enable the genome-wide study of chromatin dynamics, transcription factor binding and gene regulation. Although rapidly accumulating publicly available ChIP-seq, DNase-seq and ATAC-seq data are a valuable resource for the systematic investigation of gene regulation processes, a lack of standardized curation, quality control and analysis procedures have hindered extensive reuse of these data. To overcome this challenge, we built the Cistrome database, a collection of ChIP-seq and chromatin accessibility data (DNase-seq and ATAC-seq) published before January 1, 2016, including 13 366 human and 9953 mouse samples. All the data have been carefully curated and processed with a streamlined analysis pipeline and evaluated with comprehensive quality control metrics. We have also created a user-friendly web server for data query, exploration and visualization. The resulting Cistrome DB (Cistrome Data Browser), available online at http://cistrome.org/db, is expected to become a valuable resource for transcriptional and epigenetic regulation studies.

The main oncogenic driver in T-lymphoblastic leukemia is NOTCH1, which activates genes by forming chromatin-associated Notch transcription complexes. Gamma-secretase-inhibitor treatment prevents NOTCH1 nuclear localization, but most genes with NOTCH1-binding sites are insensitive to gamma-secretase inhibitors. Here, we demonstrate that fewer than 10% of NOTCH1-binding sites show dynamic changes in NOTCH1 occupancy when T-lymphoblastic leukemia cells are toggled between the Notch-on and -off states with gamma-secretase inhibiters. Dynamic NOTCH1 sites are functional, being highly associated with Notch target genes, are located mainly in distal enhancers, and frequently overlap with RUNX1 binding. In line with the latter association, we show that expression of IL7R, a gene with key roles in normal T-cell development and in T-lymphoblastic leukemia, is coordinately regulated by Runx factors and dynamic NOTCH1 binding to distal enhancers. Like IL7R, most Notch target genes and associated dynamic NOTCH1-binding sites cooccupy chromatin domains defined by constitutive binding of CCCTC binding factor, which appears to restrict the regulatory potential of dynamic NOTCH1 sites. More remarkably, the majority of dynamic NOTCH1 sites lie in superenhancers, distal elements with exceptionally broad and high levels of H3K27ac. Changes in Notch occupancy produces dynamic alterations in H3K27ac levels across the entire breadth of superenhancers and in the promoters of Notch target genes. These findings link regulation of superenhancer function to NOTCH1, a master regulatory factor and potent oncoprotein in the context of immature T cells, and delineate a generally applicable roadmap for identifying functional Notch sites in cellular genomes.

RNA sequencing has become a ubiquitous technology used throughout life sciences as an effective method of measuring RNA abundance quantitatively in tissues and cells. The increase in use of RNA-seq technology has led to the continuous development of new tools for every step of analysis from alignment to downstream pathway analysis. However, effectively using these analysis tools in a scalable and reproducible way can be challenging, especially for non-experts. Using the workflow management system Snakemake we have developed a user friendly, fast, efficient, and comprehensive pipeline for RNA-seq analysis. VIPER (Visualization Pipeline for RNA-seq analysis) is an analysis workflow that combines some of the most popular tools to take RNA-seq analysis from raw sequencing data, through alignment and quality control, into downstream differential expression and pathway analysis. VIPER has been created in a modular fashion to allow for the rapid incorporation of new tools to expand the capabilities. This capacity has already been exploited to include very recently developed tools that explore immune infiltrate and T-cell CDR (Complementarity-Determining Regions) reconstruction abilities. The pipeline has been conveniently packaged such that minimal computational skills are required to download and install the dozens of software packages that VIPER uses. VIPER is a comprehensive solution that performs most standard RNA-seq analyses quickly and effectively with a built-in capacity for customization and expansion.

Abstract Motivation The chromatin profile measured by ATAC-seq, ChIP-seq, or DNase-seq experiments can identify genomic regions critical in regulating gene expression and provide insights on biological processes such as diseases and development. However, quality control and processing chromatin profiling data involve many steps, and different bioinformatics tools are used at each step. It can be challenging to manage the analysis. Results We developed a Snakemake pipeline called CHIPS ( CH romatin enr i chment P roce s sor) to streamline the processing of ChIP-seq, ATAC-seq, and DNase-seq data. The pipeline supports single- and paired-end data and is flexible to start with FASTQ or BAM files. It includes basic steps such as read trimming, mapping, and peak calling. In addition, it calculates quality control metrics such as contamination profiles, PCR bottleneck coefficient, the fraction of reads in peaks, percentage of peaks overlapping with the union of public DNaseI hypersensitivity sites, and conservation profile of the peaks. For downstream analysis, it carries out peak annotations, motif finding, and regulatory potential calculation for all genes. The pipeline ensures that the processing is robust and reproducible. Availability CHIPS is available at https://github.com/liulab-dfci/CHIPS

Abstract ChIP-seq and ATAC-seq have become essential technologies used as effective methods of measuring protein-DNA interactions and chromatin accessibility. However, there is a need for a scalable and reproducible pipeline that incorporates correct normalization between samples, adjustment of copy number variations, and integration of new downstream analysis tools. Here we present CoBRA, a modularized computational workflow which quantifies ChIP and ATAC-seq peak regions and performs unsupervised and supervised analysis. CoBRA provides a comprehensive state-of-the-art ChIP and ATAC-seq analysis pipeline that is usable by scientists with limited computational experience. This enables researchers to gain rapid insight into protein-DNA interactions and chromatin accessibility through sample clustering, differential peak calling, motif enrichment, comparison of sites to a reference DB and pathway analysis. Code availability: https://bitbucket.org/cfce/cobra