Verzamelingen GRanges bewerken

Introductie tot Bioconductor in R

Paula Andrea Martinez, PhD.

Data Scientist

GRangesList

De GRangesList-class is een container voor een verzameling GRanges
- Efficiënt voor veel elementen opslaan.
Zo maak je een GRangesList
- as(mylist, "GRangesList")
- GRangesList(myGranges1, myGRanges2, ...)
Terugzetten naar GRanges
- unlist(myGRangesList)
Toegangen methods(class = "GRangesList")

Wanneer lijsten gebruiken?

Meerdere GRanges-objecten kun je combineren tot een GRangesList
- GRanges in een lijst gelden als samengestelde kenmerken van een groter object
Voorbeelden van GRangesLists zijn
- transcripten per gen
- exonen per transcript
- read-alignments
- schuivende vensters

# GRanges-object met 983 genen 
hg_chrX

slidingWindows(hg_chrX, width = 20000, step = 10000)

# slechts twee elementen van de lijst getoond
GRangesList object van lengte 983:
[[1]] 
GRanges object met 2 ranges en 0 metadatakolommen:
       seqnames           ranges strand 
         <Rle>        <IRanges>  <Rle>  
  [1]     chrX [276322, 296321]      +      
  [2]     chrX [286322, 303356]      +      
[[2]] 
GRanges object met 3 ranges en 0 metadatakolommen:
       seqnames           ranges strand 
  [1]     chrX [624344, 644343]      +      
  [2]     chrX [634344, 654343]      +      
  [3]     chrX [644344, 659411]      + 
...

GenomicFeatures gebruikt transcriptdatabase- (TxDb-)objecten om metadata op te slaan, genoomlocaties en relaties tussen kenmerken en hun id's te beheren.

library(TxDb.Hsapiens.UCSC.hg38.knownGene)
(hg <- TxDb.Hsapiens.UCSC.hg38.knownGene)

Db type: TxDb
Supporting package: GenomicFeatures
Data source: UCSC
Genome: hg38
Organism: Homo sapiens
Taxonomy ID: 9606
Resource URL: http://genome.ucsc.edu/
Type of Gene ID: Entrez Gene ID
transcript_nrow: 197782 
exon_nrow: 581036 
cds_nrow: 293052 
Db created by: GenomicFeatures package from Bioconductor
Creation time: 2016-09-29 13:02:09 +0000 (Thu, 29 Sep 2016)

Genen, transcripten, exonen

library(TxDb.Hsapiens.UCSC.hg38.knownGene)
hg <- TxDb.Hsapiens.UCSC.hg38.knownGene  #  hg is een TxDb-object

seqlevels(hg) <- c("chrX")               #  vooraf filteren op chrX

# transcripts
transcripts(hg, columns = c("tx_id", "tx_name"), filter = NULL)
# exons
exons(hg, columns = c("tx_id", "exon_id"), filter = list(tx_id = "179161"))

columns en filter kunnen NULL zijn of een van deze:

"gene_id", "tx_id", "tx_name", "tx_chrom", "tx_strand", 
"exon_id", "exon_name", "exon_chrom", "exon_strand", 
"cds_id", "cds_name", "cds_chrom", "cds_strand" and "exon_rank"

Exonen per transcript

ABCD1-exonen

hg <- TxDb.Hsapiens.UCSC.hg38.knownGene
seqlevels(hg) <- c("chrX")  #  vooraf filteren op chromosoom X
exonsBytx <- exonsBy(hg, by = "tx")  #  exonen per transcript

abcd1_179161 <- exonsBytx[["179161"]]  #  transcript-id

width(abcd1_179161) # breedte per exon, de paarse delen in de figuur

1299  181  143  169   95  146  146   85  126 1274

Overlaps

# countOverlaps geeft een integer-vecor met aantallen
countOverlaps(query, subject) 

# findOverlaps geeft een Hits-object
findOverlaps(query, subject) 

# subsetByOverlaps retourneert een GRangesList-object
subsetByOverlaps(query, subject)

Query en subject zijn GRanges- of GRangesList-objecten.
Overlaps kunnen volledig of gedeeltelijk zijn.

Nu ben jij aan de beurt om te oefenen!

Introductie tot Bioconductor in R