操作 GRanges 集合

R 中的 Bioconductor 入门

Paula Andrea Martinez, PhD.

Data Scientist

GRangesList

GRangesList-class 是用于存储一组 GRanges 的容器
- 适合高效存放大量元素。
构造 GRangesList
- as(mylist, "GRangesList")
- GRangesList(myGranges1, myGRanges2, ...)
转回 GRanges
- unlist(myGRangesList)
访问器：methods(class = "GRangesList")

何时使用列表？

多个 GRanges 可合并为一个 GRangesList
- 列表中的 GRanges 作为更大对象的复合特征
GRangesList 示例：
- 按基因的转录本
- 按转录本的外显子
- 比对读段
- 滑动窗口

# 含 983 个基因的 GRanges 对象 
hg_chrX

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

# 仅展示列表中的两个元素
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 使用转录本数据库（TxDb）对象来存储元数据、管理基因组位置以及特征与其标识符的关系。

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)

基因、转录本、外显子

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

seqlevels(hg) <- c("chrX")               #  仅保留 chrX

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

columns 与 filter 可为 NULL 或以下任意项：

"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"

按转录本分组的外显子

ABCD1 外显子

hg <- TxDb.Hsapiens.UCSC.hg38.knownGene
seqlevels(hg) <- c("chrX")  #  预筛选 X 染色体
exonsBytx <- exonsBy(hg, by = "tx")  #  按转录本分组的外显子

abcd1_179161 <- exonsBytx[["179161"]]  #  转录本 ID

width(abcd1_179161) # 每个外显子的长度，图中紫色区域

1299  181  143  169   95  146  146   85  126 1274

重叠（Overlaps）

# countOverlaps 返回计数的整数向量
countOverlaps(query, subject) 

# findOverlaps 返回 Hits 对象
findOverlaps(query, subject) 

# subsetByOverlaps 返回 GRangesList 对象
subsetByOverlaps(query, subject)

query 和 subject 均为 GRanges 或 GRangesList 对象。
重叠可为完全或部分。

轮到您练习了！

R 中的 Bioconductor 入门