05 Motif 富集与 HOMER

Peak 本身只是"这里有信号"，motif 分析回答的是"什么转录因子可能在这里结合"。思路是：从 peak 序列里统计过表达的短序列模式（motif），和已知 TF motif 数据库比对。

常用工具

HOMER 典型用法

# 安装 HOMER（一次性）
# http://homer.ucsd.edu/homer/introduction/install.html

# 对 narrowPeak 做 motif 富集
findMotifsGenome.pl peaks.narrowPeak hg38 motif_output/ \
  -size 200 -mask -p 8

-size 200 表示取 peak summit 两侧各 100bp 做分析。输出目录里会有：

• knownResults.html — 已知 motif 的富集排名
• homerResults.html — de novo 发现的 motif
• 每个 motif 的 logo 图

R 里做 motif scanning

library(motifmatchr)
library(TFBSTools)
library(JASPAR2020)

# 获取 JASPAR 的人类 TF motif
pfm_list <- getMatrixSet(JASPAR2020, opts = list(species = "Homo sapiens"))

# 在 peak 序列里扫描 motif
library(BSgenome.Hsapiens.UCSC.hg38)
motif_hits <- matchMotifs(pfm_list, peaks_gr, genome = BSgenome.Hsapiens.UCSC.hg38)

# 统计每个 motif 在 DE peaks vs non-DE peaks 里的富集

这种方式的好处是能和 DiffBind 的差异结合结果直接联动：只看"在耐药细胞里 gained 的 peak 富集了什么 motif"。

解读要点

• 已知 motif 富集：如果你做的是 AR ChIP-seq，排第一的应该是 ARE（androgen response element）。如果不是，说明实验或分析有问题。
• de novo motif：HOMER 会尝试从头发现新 motif。如果 de novo 结果和已知 motif 高度相似，说明信号很强。
• 背景选择：默认用随机基因组区域做背景。如果你的 peak 集中在启动子，用"所有启动子"做背景会更严格。

motif 富集的常见误判

motif 分析容易出"看上去显著但其实没意义"的结果。三件事注意一下：

1. 富集 motif 不一定是"驱动" TF

motif 富集只是说"这些 peak 序列上有这种 motif"，不等于该 TF 真的在这些 peak 上结合。一个 motif 可能被多个 TF 家族识别（e.g. AP-1 家族），具体哪个亚型起作用要靠 ChIP-seq 验证。

2. 富集结果受背景集严重影响

用全基因组随机区域当背景 → 启动子相关 motif 都会显著（启动子本身就富集 motif）；用同等数量的非 DB peak 当背景 → 才能看出"DB 特异的 motif"。设计 motif 分析前先想清楚要回答的问题再选背景。

3. CG 含量需要匹配

Peak 的 CG 含量高，富集出的 motif 也会偏向高 CG（CpG 岛特征）。HOMER 的 -mset 或 -bg 选项可以传匹配 CG 含量的背景，避免 GC bias 假阳性。

常见坑

坑 1：HOMER 装在 conda 但参考基因组没下

findMotifsGenome.pl peaks.bed hg38 ... 需要 HOMER 自己下载 hg38 reference (configureHomer.pl -install hg38)。首次跑会卡很久，国内有时下载失败。预先 configureHomer.pl -list 看可用版本。

坑 2：peak 数量太少（< 200）出不来 motif

motif 算法需要足够多的 peak 序列做统计。< 100 个 peak 几乎跑不出有意义的结果。peak 太少时改用 known motif scanning（每个 peak 单独对照已知 motif）。

坑 3：把"motif 富集"和"motif 强度"混淆

"显著富集" = 出现频率高于背景；"motif 强度"= 序列和共识 motif 的相似度。HOMER Motif.Score 是后者，rank by % of Targets 是前者。报告时分清楚。

坑 4：motif logo 图嵌进 PPT 时模糊

HOMER 默认输出的 logo PNG 分辨率低。用 MEME / Tomtom 出 SVG，或直接 R 里 seqLogo 包重画。

坑 5：JASPAR / HOCOMOCO / CIS-BP 的 motif 名字不一致

跨数据库比较时 STAT1 在 JASPAR 是 MA0137.3，在 HOMER 是 STAT1(IPR007726)。做整合前先 unify 成统一 ID 系统（一般用 TF symbol）。

下一步

接着深入：

• 06 ATAC-seq 分析要点 — ATAC 的 peak motif 分析有自己的细节
• 08 表观组与转录组的整合 — motif 富集的 TF 是否在 RNA-seq 里也有差异

横向延伸：

• 03 DiffBind 差异结合分析 — motif 分析最有价值是和 differential peak 联动
• HOMER 官方文档 — 完整的命令行参数手册

参考资源

• HOMER 官方文档
• MEME Suite
• JASPAR 数据库
• motifmatchr Bioconductor