总结查询区域的重叠与基因组注释功能
查询注释文件
找到有针对性的基因类型
找出查询的分布地区基因类型:
biotype_col < -grep(“gene_biotype”,colnames(重叠),值=T)df < -(重叠,长度(独特的(overlappingQuery)) =biotype_col]colnames(df) < -c(“特性”,“数”)df美元< -百分比轮(df美元数/长度(queryRegions)*One hundred.,1)df < -df (订单(统计,减少=真正的)]ggplot2::ggplot(df,aes(x =重新排序(功能,- - - - - -%),y =百分比)+geom_bar(统计=“身份”,aes(填补=功能)+geom_label(aes(y =百分比+0.5),标签=df美元数)+实验室(x =的记录功能,y =paste0(“重叠(n =百分比”,长度(queryRegions),“)”))+theme_bw(base_size =14)+主题(axis.text。x =element_text(角=90年))
扩展注释特征空间
GTF文件包含一些注释功能(如外显子、成绩单),通常是明确定义,然而,一些文字记录功能如内含子,exon-intron边界,启动子区域只有隐式定义。这种隐含的特征可以从家庭使用makeTxDb GTF文件中提取GenomicFeatures的函数库。
首先我们创建一个农庄组织对象的列表,每个列表元素包含所有可用的坐标记录的功能,如成绩单、外显子,内含子,5‘/ 3’utr exon-intron边界,和启动子区域。
策划之间的重叠计数查询区域和记录功能
有一个全球的概述查询地区基因的分布特性,我们可以使用summarizeQueryRegions函数。如果给定查询区域不重叠与任何给定的坐标的记录功能,分类下NoFeatures。
摘要< -summarizeQueryRegions(queryRegions =queryRegions,txdbFeatures =txdbFeatures)df < -data.frame(总结)df美元< -百分比轮((df美元数/长度(queryRegions)),3)*One hundred.df美元< -特点rownames(df)ggplot2::ggplot(df,aes(x =重新排序(功能,- - - - - -%),y =百分比)+geom_bar(统计=“身份”,aes(填补=功能)+geom_label(aes(y =百分比+3),标签=df美元数)+实验室(x =的记录功能,y =paste0(“重叠(n =百分比”,长度(queryRegions),“)”))+theme_bw(base_size =14)+主题(axis.text。x =element_text(角=90年))
获得一个表查询区域和基因之间的重叠计数
找出哪些基因重叠与多少查询和分类重叠记录功能;我们使用getTargetedGenesTable函数,它返回一个data.frame对象。
dt < -getTargetedGenesTable(queryRegions =queryRegions,txdbFeatures =txdbFeatures)dt < -dt (订单(成绩单,减少=真正的)]knitr::kable(dt [1:10,)| tx_name | 成绩单 | 外显子 | 启动子 | fiveUTRs | 内含子 | cd | threeUTRs |
|---|---|---|---|---|---|---|---|
| ENST00000317713 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000361689 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000372915 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000539005 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000545844 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000564288 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000567887 | 33 | 28 | 0 | 0 | 5 | 24 | 4 |
| ENST00000372925 | 28 | 23 | 0 | 0 | 5 | 19 | 4 |
| ENST00000289893 | 27 | 22 | 0 | 0 | 5 | 18 | 4 |
| ENST00000367142 | 14 | 14 | 0 | 0 | 0 | 3 | 12 |
分析查询地区的报道记录功能
覆盖查询区域特性的边界
它可能是有用的在查询区域的分布看成绩单的边界特征。例如,它可能是重要的相对信号记录末端(转录起始站点和转录结束网站)。或者,它可能是重要的信号是如何分布的外显子边界,这可能会给一个想法记录的有关规定。这里我们将演示如何得到这样的信号分布在转录起始/结束网站。同样的方法可以做任何其他记录的集合特性(外显子、内含子、启动子、utr等。)
cvgF < -getFeatureBoundaryCoverage(queryRegions =queryRegions,featureCoords =txdbFeatures美元成绩单、flankSize =1000年,boundaryType =“fiveprime”,sampleN =10000年)cvgT < -getFeatureBoundaryCoverage(queryRegions =queryRegions,featureCoords =txdbFeatures美元成绩单、flankSize =1000年,boundaryType =“threeprime”,sampleN =10000年)cvgF美元边界< -“fiveprime”cvgT美元边界< -“threeprime”df < -rbind(cvgF cvgT)ggplot2::ggplot(df,aes(x =基地,y =meanCoverage))+geom_ribbon(填补=“lightgreen”,aes(ymin =meanCoverage- - - - - -standardError*1.96,ymax =meanCoverage+standardError*1.96))+geom_line(颜色=“黑”)+facet_grid(~边界)+theme_bw(base_size =14)
覆盖配置文件查询区域的所有记录功能
报道资料可以获得一个类型的记录特性或记录的列表功能。这里我们将演示如何得到覆盖配置文件查询地区所有可用的记录功能。这可能是一个好主意使用sampleN参数随机downsample目标区域加快计算速度。
cvgList < -calculateCoverageProfileList(queryRegions =queryRegions,targetRegionsList =txdbFeatures,sampleN =10000年)ggplot2::ggplot(cvgListaes(x =垃圾箱,y =meanCoverage))+geom_ribbon(填补=“lightgreen”,aes(ymin =meanCoverage- - - - - -standardError*1.96,ymax =meanCoverage+standardError*1.96))+geom_line(颜色=“黑”)+theme_bw(base_size =14)+facet_wrap(~特性,ncol =3)
