---
title: 介绍
description: "随着测序技术的改进，染色质免疫沉淀后再进行高通量测序（ChIP-Seq）成为研究全基因组蛋白质-DNA相互作用的工具。为了解决功能强大的ChIP-Seq分析方法的不足，我们提出了一种新颖的算法，称为基于模型的ChIP-Seq分析（MACS），用于识别转录因子结合位点。MACS捕获基因组复杂性的影响以评估富集的ChIP区域的重要性，而MACS通过结合测序标签位置和方向信息来提高结合位点的空间分辨率。MACS可以很容易地单独用于ChIP-Seq数据，也可以随特异性增加而用于对照样品。"
url: https://www.hikunpeng.com/document/detail/zh/kunpenghpcs/hpcindapp/prtg-osc/kunpengmacs2_02_0001.html
sourcePath: /source/zh/kunpenghpcs/hpcindapp/prtg-osc/kunpengmacs2_02_0001.html
indexId: e9510042ebdcd42a8b97fcaadb1f90a15452d2b30b8268d47208f4efb6f2b33967
---
# 介绍

随着测序技术的改进，染色质免疫沉淀后再进行高通量测序（ChIP-Seq）成为研究全基因组蛋白质-DNA相互作用的工具。为了解决功能强大的ChIP-Seq分析方法的不足，我们提出了一种新颖的算法，称为基于模型的ChIP-Seq分析（MACS），用于识别转录因子结合位点。MACS捕获基因组复杂性的影响以评估富集的ChIP区域的重要性，而MACS通过结合测序标签位置和方向信息来提高结合位点的空间分辨率。MACS可以很容易地单独用于ChIP-Seq数据，也可以随特异性增加而用于对照样品。

语言：Python2。

#### 建议的版本

建议使用的版本为“MACS2 2.1.4”。