好了，可以在R语言里玩耍了。
参考资料：
ChIP分析流程
Chip-seq 实战分析流程

1.安装软件
（之前安装过，先检测一下）

在安装 org.Mm.eg.db 时，出了一些问题，需要安装所对应的包，比如我这个报错， AnnotationDbi 、rlang 需要安装**，我也是捣鼓了2小时才发现原来是个样子。

2.加载数据

3.查看peak在全基因组的位置
covplot函数可以计算peak 在染色体上的覆盖区域，并可视化。

结果如下，和 ChIP分析流程好像不太一样，可能是index不一样所致。

还可以定义具体的染色体和具体位置

结果展示：

4.ChIP peaks结合TSS 区域的情况

TSS:transcription start site
首先，计算ChIP peaks结合在TSS区域的情况。这就需要准备TSS区域，这一般定义在TSS位点的侧翼序列（默认-3000~+3000），我这儿改了一下，1500。
然后比对 map到这些区域的peak，并生成tagMatrix。
再做一个热图，Heatmap of ChIP binding to TSS regions

焕发着春天的生机，像草一样出现在了屏幕上。
也可以这样一步生成，简单直接。

还是挺快的。

5.Average Profile of ChIP peaks binding to TSS region

Confidence interval estimated by bootstrap method

6.peaks注释

annotatePeak函数进行peaks注释，可以定义TSS（转录起始位点）区域，默认情况下TSS定义为-3kb到+ 3kb。

annotatePeak的输出是csAnno格式。 ChIPseeker中国的as.GRanges函数将csAnno转换为GRanges格式，as.data.frame将csAnno转换为data.frame，然后通过write.table将其导出到文件。

TxDb.Hsapiens.UCSC.hg38.knownGene和TxDb.Hsapiens.UCSC.hg19.knownGene分别对应人类基因组hg38和hg19，TxDb.Mmusculus。UCSC.mm10.knownGene和TxDb.Mmusculus.UCSC.mm9.knownGene则对应小鼠基因组mm10和mm9。

用户还可以通过R makeTxDbFromBiomart 和makeTxDbFromUCSC 从 UCSC Genome Bioinformatics和BioMart数据库检索准备自己的TxDb对象。然后进行峰值注释。

所有的峰值信息都会保存在输出文件中。其中包含peak最近的gene的位置和链的信息，从peak到最近的gene的TSS的距离等。鉴于某些信息可能的重叠，ChIPseeker采取以下优先级别：
Promoter
5’ UTR
3’ UTR
Exon
Intron
Downstream
Intergenic
摘自 ChIP分析流程。
结果：

7.可视化基因组注释

为了注释给定peak在基因组的位置特征信息，可使用annotatePeak函数，这些信息在输出信息的“annotation”列，包括peak是否在TSS,外显子，5’UTR,3’UTR,内含子或间隔区。很多研究人员对这些注释非常感兴趣。用户可以自己定义TSS区域。

以下几个图可以自己选择，哪个好看有用选哪个

8.Visualize distribution of TF-binding loci relative to TSS

peak（TF结合位点）到最近的gene的TSS之间的距离可以有annotatePeak函数进行计算。作者提供了plotDistToTSS函数计算最近基因的TSS上游和下游的结合位点的百分比，并可视化这种分布。

9.多个peak的比较，参考Chip-seq 实战分析流程

多个peak set注释时，先构建list,然后用lapply.list(name1=bed_file1,name2=bed_file2)

RYBP的数据有问题，这里加上去，会一直报错。