Daten importieren

ChIP-seq mit Bioconductor in R

Peter Humburg

Statistician, Macquarie University

ChIP-seq mit Bioconductor in R

Sequenz-Reads verarbeiten

  • In der Regel in Dateien im Format Binary Sequence Alignment/Map (BAM) gespeichert.
  • BAM-Record-Felder:
    • Read-Name: SRR1782620.7265769
    • Binäre Flag: 0
    • Referenzsequenzname und Position der Ausrichtung: chr20 29803915
    • Mapping-Qualität: 0
    • CIGAR-String (Ausrichtungsübersicht): 51M
    • Referenzsequenz und Position des gepaarten Reads (hier nicht verwendet): 0 0
    • Read-Sequenz: AATGAAATGGAA ...
    • Read-Qualität (ASCII-codiert): CCCFFFFFHHHH ...
ChIP-seq mit Bioconductor in R

Gemappte Reads in R importieren

  • Verwende das Paket Rsamtools, um mit BAM-Dateien zu arbeiten.
  • Rsamtools bietet Funktionen zum Indizieren, Lesen, Filtern und Schreiben von BAM-Dateien.

Verwende readGAlignments, um gemappte Reads zu importieren.

library(GenomicAlignments)
reads <- readGAlignments(bam_file)

Gibt ein GAlignments-Objekt zurück.

ChIP-seq mit Bioconductor in R

Ausgewählte Regionen importieren

  • Verwende BamViews, um Regionen von Interesse zu definieren.
library(GenomicRanges)
library(Rsamtools)
ranges <- GRanges(...)
views <- BamViews(bam_file, bamRanges=ranges)
  • Importiere dann die Reads wie zuvor.
reads <- readGAlignments(views)

Die Funktion BamViews unterstützt mehrere BAM-Dateien.

ChIP-seq mit Bioconductor in R

Peak-Calls importieren

Verwende import.bed, um Peak-Calls aus einer BED-Datei zu laden.

library(rtracklayer)
peaks <- import.bed(peak_bed, genome="hg19")

Verwende peaks, um Views in die BAM-Dateien zu definieren.

bams <- BamViews(bam_file, bamRanges=peaks)
reads <- readGAlignments(bams)
ChIP-seq mit Bioconductor in R

Lass uns üben!

ChIP-seq mit Bioconductor in R

Preparing Video For Download...