Маніпулювання колекціями GRanges

Вступ до Bioconductor в R

Paula Andrea Martinez, PhD.

Data Scientist

GRangesList

GRangesList-class — контейнер для колекції GRanges
- Ефективно зберігає велику кількість елементів.
Створення GRangesList
- as(mylist, "GRangesList")
- GRangesList(myGranges1, myGRanges2, ...)
Повернення до GRanges
- unlist(myGRangesList)
Аксесори methods(class = "GRangesList")

Коли використовувати списки?

Кілька об'єктів GRanges можна об'єднати в GRangesList
- GRanges у списку вважаються складовими ознаками більшого об'єкта
Приклади GRangesList:
- транскрипти за геном
- екзони за транскриптами
- вирівнювання рідів
- ковзні вікна

# Об'єкт GRanges із 983 генами 
hg_chrX

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

# показано лише два елементи списку
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 використовує об'єкти бази транскриптів (TxDb), щоб зберігати метадані, керувати геномними позиціями та зв'язками між ознаками й їхніми ідентифікаторами.

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)

Гени, транскрипти, екзони

library(TxDb.Hsapiens.UCSC.hg38.knownGene)
hg <- TxDb.Hsapiens.UCSC.hg38.knownGene  #  hg — об'єкт TxDb

seqlevels(hg) <- c("chrX")               #  префільтр до 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 і filter можуть бути NULL або будь-якими з цих:

"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"

Езони за транскриптами

Екзони ABCD1

hg <- TxDb.Hsapiens.UCSC.hg38.knownGene
seqlevels(hg) <- c("chrX")  #  префільтр хромосоми X
exonsBytx <- exonsBy(hg, by = "tx")  #  екзони за транскриптом

abcd1_179161 <- exonsBytx[["179161"]]  #  ідентифікатор транскрипту

width(abcd1_179161) # ширина кожного екзону, фіолетові ділянки на рисунку

1299  181  143  169   95  146  146   85  126 1274

Перекриття

# countOverlaps повертає цілочисловий вектор підрахунків
countOverlaps(query, subject) 

# findOverlaps повертає об'єкт Hits
findOverlaps(query, subject) 

# subsetByOverlaps повертає об'єкт GRangesList
subsetByOverlaps(query, subject)

Query і subject — це об'єкти GRanges або GRangesList.
Перекриття можуть бути повними або частковими.

Тепер ваша черга попрактикуватися!

Вступ до Bioconductor в R