IsoformSwitchAnalyzeR:差异转录本分析(1)

日常瞎掰

  RNA-seq最常用来研究两种condition下有哪些基因的表达值发生了改变,即差异表达基因(different expression gene),从而找到影响特定处理的一些关键基因。当然这是比较直接一种方式,大部分情况下都是从基因水平来看差异。有时候基因水平的信息量是不够的。我们都知道基因在转录时会发生可变剪接从而生成不同的转录本,也许从基因水平来看两种条件下没有差异,但转录本水平却发生了不同。这无疑也是一个不错的角度来研究差异。下面我们就来介绍一个分析差异转录本的好物——IsoformSwitchAnalyzeR。
  这个R包是专门用来分析转录本差异以及可视化的,用起来也是相当的方便。好了,废话不多说了,下面让我一起来见识一下这个R包。

庐山真面目

  首先来看一下该软件的工作流程示意图,这样有助于我们对这个软件有一个整体的认识,知道这个软件都可以包含哪些分析内容:

  从流程图上,我们可以看出这个软件主要包含两大块:一是提取差异转录本和及其序列信息;二是可变剪接以及其他的额外分析。这两个大块分析内容分别对应一个一键式的分析函数:isoformSwitchAnalysisPart1()和isoformSwitchAnalysisPart2()。当然如果你为了省时省力完全可以用一键式的函数来完成分析,又或者你是R语言高手也可以选择分步来完成分析。

使用

  看了软件的工作流程图,对软件有了初步的了解后,那下面我们就开始使用起来吧。在用软件前,我们至少需要准备好四类文件:
1、样本转录本的表达定量文件;
2、转录本的GTF文件;
3、转录本的fasta文件;
4、Design文件,至少包含两列(前列名分别为sampleID、condition),第一列是样本名,第一列为样本分组名。
  转录本定量的软件可为Kallisto、Salmon、RSEM、StringTie。所有样本定量结果的统一放到一个目录下,每一个样本的结果再放到以样本名命名的子目录里面即可。这里以Kallisto定量的结果为例,展示一下目录:

准备好需要的文件就可以开始分析了,下面来看看如何将数据导入到R里面:

>library(IsoformSwitchAnalyzeR)

>exp <- importIsoformExpression(parentDir='kallisto')
>design <- data.frame(sampleID=paste0('sample',1:6),condition=rep(c('case','ctrl'),each=3))
>design
  sampleID condition
1  sample1      case
2  sample2      case
3  sample3      case
4  sample4      ctrl
5  sample5      ctrl
6  sample6      ctrl
>aslist <- importRdata(isoformCountMatrix=exp$count,isoformRepExpression=exp$abundance,designMatrix='design.txt',isoformExonAnnoation='transcript.gtf',isoformNtFasta='transcript.fasta')

  上面的代码就可以将表达量数据读入R里面并结合design信息来生成IsoformSwitchAnalyzeR对象aslist,后续的分析都基于这个对象来完成。

##分步式差异转录本分析
>aslist <- preFilter(
    switchAnalyzeRlist = aslist,
    geneExpressionCutoff = 1,
    isoformExpressionCutoff = 0,
    removeSingleIsoformGenes = TRUE
)

>aslist <- isoformSwitchTestDEXSeq(
    switchAnalyzeRlist = aslist,
    reduceToSwitchingGenes=TRUE
)

##一键式差异转录本分析
aslist <- isoformSwitchAnalysisPart1(switchAnalyzeRlist=aslist)

  分析差异转录本的方法上面已经提到过可以用一键式函数来完成,也可以用分步式来完成,其实通过上面的代码来看两种方式都挺方便的。这里需要注意的一点是检测差异转录本的方法有两种:DEXSeq和DRIMSeq,在一键式函数里面默认的方法是DEXSeq。这里还有一点值得注意的是当分析的转录数据很多时,第二种方法会需要非常长的时间。最后顺便提一嘴,每个函数都有很多可调整的参数,分析过程中可根据需要设置。

结束语

  到此,第一大块的分析内容就结束,相当简单的几句代码就得到了差异转录本。当然这只是最基础的功能,这个R包还有很多高级的功能可以使用。时间不早了,今天先说到这了,后面我们再接着说~~~

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,271评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,725评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,252评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,634评论 1 270
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,549评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,985评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,471评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,128评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,257评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,233评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,235评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,940评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,528评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,623评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,858评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,245评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,790评论 2 339

推荐阅读更多精彩内容