Manipulera samlingar av GRanges

Introduktion till Bioconductor i R

Paula Andrea Martinez, PhD.

Data Scientist

GRangesList

GRangesList-class är en behållare för att lagra en samling av GRanges
- Effektiv för att lagra ett stort antal element.
Skapa en GRangesList
- as(mylist, "GRangesList")
- GRangesList(myGranges1, myGRanges2, ...)
Konvertera tillbaka till GRanges
- unlist(myGRangesList)
Accessorer methods(class = "GRangesList")

När ska man använda listor?

Flera GRanges-objekt kan kombineras till en GRangesList
- GRanges i en lista behandlas som sammansatta särdrag i ett större objekt
Exempel på GRangesLists är
- transkript per gen
- exoner per transkript
- läsjusteringar
- glidande fönster

# GRanges object with 983 genes 
hg_chrX

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

# showing only two elements of the list
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 använder transkriptdatabas-objekt (TxDb) för att lagra metadata, hantera genomiska positioner samt relationer mellan särdrag och deras identifierare.

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)

Gener, transkript, exoner

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

seqlevels(hg) <- c("chrX")               #  prefilter results to 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 och filter kan vara NULL eller något av dessa:

"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"

Exoner per transkript

ABCD1-exoner

hg <- TxDb.Hsapiens.UCSC.hg38.knownGene
seqlevels(hg) <- c("chrX")  #  prefilter chromosome X
exonsBytx <- exonsBy(hg, by = "tx")  #  exons by transcript

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

width(abcd1_179161) # width of each exon, the purple regions of the figure

1299  181  143  169   95  146  146   85  126 1274

Överlapp

# countOverlaps results in an integer vector of counts
countOverlaps(query, subject) 

# findOverlaps results in a Hits object
findOverlaps(query, subject) 

# subsetByOverlaps returns a GRangesList object
subsetByOverlaps(query, subject)

Query och subject är antingen GRanges- eller GRangesList-objekt.
Överlapp kan vara fullständiga eller partiella.

Nu kör vi en övning!

Introduktion till Bioconductor i R