GRangesコレクションの操作

Rで始めるBioconductor入門

Paula Andrea Martinez, PhD.

Data Scientist

GRangesList

GRangesList-classはGRangesのコレクションを格納するコンテナです
- 大量の要素を効率的に格納できます。
GRangesListの構築方法
- as(mylist, "GRangesList")
- GRangesList(myGranges1, myGRanges2, ...)
GRangesへの変換
- unlist(myGRangesList)
アクセサー: methods(class = "GRangesList")

リストを使用する場面

複数のGRangesオブジェクトをGRangesListにまとめることができます
- リスト内のGRangesは、より大きなオブジェクトの複合フィーチャとして扱われます
GRangesListの使用例
- 遺伝子別転写産物
- 転写産物別エクソン
- リードアライメント
- スライディングウィンドウ

# 983遺伝子を含むGRangesオブジェクト
hg_chrX

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

# リストの2要素のみ表示
GRangesList object of length 983:
[[1]] 
GRanges object with 2 ranges and 0 metadata columns:
       seqnames           ranges strand 
         <Rle>        <IRanges>  <Rle>  
  [1]     chrX [276322, 296321]      +      
  [2]     chrX [286322, 303356]      +      
[[2]] 
GRanges object with 3 ranges and 0 metadata columns:
       seqnames           ranges strand 
  [1]     chrX [624344, 644343]      +      
  [2]     chrX [634344, 654343]      +      
  [3]     chrX [644344, 659411]      + 
...

GenomicFeaturesは転写産物データベース（TxDb）オブジェクトを使用して、メタデータの格納、ゲノム上の位置、フィーチャと識別子の関係を管理します。

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)

遺伝子・転写産物・エクソン

library(TxDb.Hsapiens.UCSC.hg38.knownGene)
hg <- TxDb.Hsapiens.UCSC.hg38.knownGene  #  hgはTxDbオブジェクト

seqlevels(hg) <- c("chrX")               #  chrXに結果を事前フィルタリング

# 転写産物
transcripts(hg, columns = c("tx_id", "tx_name"), filter = NULL)
# エクソン
exons(hg, columns = c("tx_id", "exon_id"), filter = list(tx_id = "179161"))

columnsとfilterにはNULLまたは以下のいずれかを指定できます:

"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"

転写産物別エクソン

ABCD1のエクソン

hg <- TxDb.Hsapiens.UCSC.hg38.knownGene
seqlevels(hg) <- c("chrX")  #  染色体Xを事前フィルタリング
exonsBytx <- exonsBy(hg, by = "tx")  #  転写産物別エクソン

abcd1_179161 <- exonsBytx[["179161"]]  #  転写産物ID

width(abcd1_179161) # 各エクソンの幅（図の紫色の領域）

1299  181  143  169   95  146  146   85  126 1274

オーバーラップ

# countOverlaps: カウントの整数ベクトルを返す
countOverlaps(query, subject) 

# findOverlaps: Hitsオブジェクトを返す
findOverlaps(query, subject) 

# subsetByOverlaps: GRangesListオブジェクトを返す
subsetByOverlaps(query, subject)

queryとsubjectはGRangesまたはGRangesListオブジェクトです。
オーバーラップは完全または部分的です。

では、実際に練習してみましょう！

Rで始めるBioconductor入門