列举转录因子

给定主题的重要性,也就不足为奇了大量的生物信息学研究小组发表了目录的转录因子以及元数据的功能。标准命名TFs尚未建立。基因符号、图案序列和position-weight矩阵目录条目都被用作TF标识符。

在TFutils我们收集的信息从四个广泛使用的资源,特别关注人类TFs:基因本体论(去,ashburn et al。(2000),在这去:0003700是分子标记函数概念”DNA结合转录因子活动”),CISBP (Weirauch et al。(2014)),HOCOMOCO (Kulakovskiy et al。(2018)),“c3 TFT(转录因子目标)”签名组MSigDb (萨勃拉曼尼亚et al。(2005))。图@ref(图:lkupset)描述了这些目录的大小,测量使用项独特HGNC基因符号。去使用Bioconductor的枚举org.Hs.eg.db包找到直接关联去:0003700HGNC符号。枚举MSigDb启发式,包括解析基因为精确或关闭匹配设置标识符用于MSigDb HGNC符号。CISBP和HOCOMOCO相关联的web服务器提供轻松解析表格目录。

大小的TF目录和TFs基于HGNC符号的十字路口。

转录因子的分类

所指出的Weirauch et al。(2014)的解释功能和DNA序列的进化是依赖于分析sequence-specific DNA结合域。这些领域是动态和特异性(格茨et al。(2013))。根据功能分类TFs增加绑定域是一个持续的过程的错综复杂。图@ref(图:TFclass)显示摘录的特遣部队类型层次结构相关的条款来源于(左边)和去TFclass(Wingender et al。(2018))。之间存在分歧的枚举TFs基于去图@ref所示(图:lkupset)和1919年的朋友,后者包括更广泛的受体的活动的集合。

截图的朋友和摘录TFClass层次结构。

表@ref(选项卡:classtab)提供的例子经常遇到TF CISBP和HOCOMOCO目录分类。的数值组件HOCOMOCO类对应于TFClass亚科(Wingender et al。(2018))。

列举特遣部队的目标

广泛的研究所MSigDb (萨勃拉曼尼亚et al。(2005))包括一组基因集合用于编目特遣部队的目标。我们使用BioconductorGSEABase包导入和序列化格林尼治时间这个系列的代表。

TFutils: tftColl

# # GeneSetCollection # #名称:AAANWWTGC_UNKNOWN AAAYRNCTG_UNKNOWN,……GCCATNTTG_YY1_Q6(615) # #惟一标识符:4208年,481年……56903(12774)# #类型集合:# # geneIdType: EntrezIdentifier (1) # # collectionType: NullCollection (1)

名字的TFs目标集组装以系统的方式进行编码,用下划线分隔子字符串描述主题,基因,和版本。一些特点命名的MSigDb标签可以观察到:

grep (“NFK”名称(TFutils:: tftColl)值= TRUE)

# # [1]“NFKAPPAB65_01”“NFKAPPAB_01”“NFKB_Q6”# # [4]“NFKB_C”“NFKB_Q6_01”“GGGNNTTTCC_NFKB_Q6_01”

需要人工管理来提高精度,MSigDb TF目标集可以与特定的TFs或图案。

定量预测的TF约束力的亲和力

在本小节,我们假定的结合位点的地址表示。首先我们介绍如何代表序列关联这些措施和结合位点的位置。然后我们讨论使用细胞类型特异的结合位点枚举ChIP-seq实验的结果。

亲和力分数基于参考序列。MEME的FIMO算法套件(格兰特,贝利,高贵(2011))被用来评分689年人类参考基因组TF亲和力图案基因相关联矩阵。提供了完整的细节Sonawane et al。(2017)。16 (16)tabix-indexed床文件提出的AWS S3 bucket出于演示目的。

(fimo16) fimo16库(GenomicFiles)数据

与0 # # GenomicFiles对象范围和16个文件:# #文件:M0635_1.02sort.bed。广州,M3433_1.02sort.bed。广州,……,M6159_1.02sort.bed。广州,M6497_1.02sort.bed。广州# #细节:使用文件(),rowRanges (), colData (),…

头(colData (fimo16))

# # DataFrame 2 6行和列# # Mtag HGNC # # <人物> <人物> # # 1 M0635_1 DMRTC2 # # 2 M3433_1 HOXA3 # # 3 M3467_1 IRF1 # # 4 M3675_1 POU2F1 # # 5 M3698_1 TP53 # # 6 M3966_1 STAT1

我们收获的成绩在一个基因间隔(一定会感兴趣的fimo16在rowRanges下面的赋值)使用reduceByFile。这个产量与每一个元素列表文件。每一个这样的元素的列表scanTabix结果,每一个查询范围。

库(BiocParallel)注册(SerialParam ()) # macosx重要吗?rowRanges (fimo16) =农庄(“chr17 IRanges (38.077 e6, 38.084 e6)) rr = GenomicFiles:: reduceByFile (fimo16地图=函数(r, f) scanTabix (f, param = r))

scanTabix向量的生成一个文件列表的文本字符串,我们解析data.table::从文件中读。结果表然后减少基因的位置和log10亲和力统计的假定值来自附近的那个位置。

asdf =函数(x)数据。表::从文件中读(paste0 (x,崩溃=“\ n”),头= FALSE) gg = lapp (rr,函数(x) {tmp = asdf (x [[1]] [[1]]) data.frame (loc = tmp $ V2,得分= log10 (tmp V7)美元)}),(我在1:长度(gg)) gg[[我]]$ = colData特遣部队(fimo16)[2]我

原来有太多不同的TFs单独显示的名字,所以我们标签的分数相关的特遣部队的名字家庭CISBP中定义。

matchcis =匹配(colData (fimo16) [2], cisbpTFcat [2]) famn = cisbpTFcat [matchcis,] Family_Name美元(我在1:长度(gg)) gg[[我]]$ tffam = famn[我]nn =。调用(rbind gg)

一个简单的显示预测TF亲和力ORMDL3基因附近提供在图@ref(无花果:完成)。

附近的TF绑定ORMDL3基因。点是-log10-transformed FIMO-based假定值彩色根据CISBP TF类注释。段底部的情节是根据UCSC ORMDL3基因的转录区域模型构建hg19。

TF结合预测基于ChIP-seq编码的数据。编码项目提供BED-formatted ChIP-seq实验报告对许多细胞类型和dna结合因素的组合。TFutils包含一个表encode690出690个实验中对信息由91细胞系和161 TFs的结果已经被记录为农庄组织实例,可以获得的AnnotationHub包中。位置特异性结合位点和基因功能之间的关系可以调查。图给出了一个例子@ref(图:lkbi),它是建议在HepG2细胞,CEBPB展品的一种独特的模式绑定ORMDL3附近的。

结合CEBPB ORMDL3来自ChIP-seq附近的四个细胞系实验报告的编码。彩色矩形顶部区域确定为狭窄的约束力的山峰,箭在ORMDL3下半部分是外显子。箭共享一个共同的垂直位置是相同的记录的成员在75年运用版本编号。

总结

枚举的人类转录因子相比我们有不同的项目,提供两种形式的绑定域分类,并说明使用cloud-resident全基因组预测有约束力。在下一节中,我们审查选定的数据结构和方法的细节TFutils包中。

实现

TFutils包旨在降低壁垒使用TF在人类基因组生物学研究的重要发现。TFutils作为传统的R包分配,提供和利用,Bioconductor软件生态系统。TFutils包括现成的参考数据,结合位点的可视化工具,工具,简化与GWAS研究综合使用TF的绑定信息。

基础设施TFutils与组件交互

交互式枚举与GWAS特遣部队的目标。的TFtargs函数运行的应用程序,允许选择TF的命名MSigDb c3 / TFT基因集合。提供的应用程序将搜索对象gwascat包的引用MAPPED_GENE字段相匹配的目标选择的特遣部队。图@ref(图:lktarapp)给出了一个例子。

TFtargs()截图。这个示例报告最近EBI GWAS目录点击17号染色体。

TFCatalog S4类。参考目录TF生物学是结构化的TFCatalogS4类。两个基本组件管理目录的本地目录的TF标识符和HGNC基因符号通常用于特遣部队的名字。的TFCatalog类包含一个目录名称字段名称,和一个特征向量元素组成的编目TFs的本地标识符。
例如,CISBP使用T004843_1.02指与基因TFAP2B相关主题。有五个这样的图案,三个来自SELEX,一个从Transfac,一个从Hocomoco。

一个data.frame实例有一个名为“HGNC”可以包括任何义务列的字段集合提供关于TF在指定目录的元数据。这是我们如何构建和查看TFCatalog对象使用CISBP引用数据。

数据(cisbpTFcat) TFs_CISBP = TFCatalog (name = " CISBP.info nativeIds = cisbpTFcat [1], HGNCmap = cisbpTFcat) TFs_CISBP

# # TFutils TFCatalog CISBP.info # # 7592本地Ids实例,包括# # T004843_1.02……T153733_1.02 # # 1551独特的HGNC标签,包括# # TFAP2B TFAP2B……ZNF10 ZNF350

操作:用例

在本节中,我们考虑在遗传流行病学应用程序的工具。首先我们寻找可能的TFs港口相关变异特征在EBI GWAS目录。然后我们展示如何枚举特征与目标相关的选定的特遣部队。

TFs直接GWAS的对于一个给定的特征。directHitsInCISBP接受一个字符串命名特点,并返回一个data.frame TFs标识为“映射基因”的特征,与他们的特遣部队“姓”。

库(dplyr)图书馆(magrittr)图书馆(gwascat)数据(ebicat37) directHitsInCISBP(“类风湿性关节炎”,ebicat37)

# #加入,= " HGNC "

# # 1 # # HGNC Family_Name ARID5B干旱/明亮的# # 7加工T-box # # 15 GATA3 GATA乙炔ZF # # # # 35 JAZF1 37 MECP2 MBD乙炔ZF # # 57 # # 45 MTF1 REL REL # # 65 STAT4 STAT # # 79 # # 82 IRF5 IRF涂画或沙子

特征映射到给定的特遣部队的目标基因

topTraitsOfTargets将收购的目标选择的TF,检查在这些基因在给定GWAS目录实例,并汇总最常报道的特征。

tt = topTraitsOfTargets (“MTF1”, TFutils:: tftColl, ebicat37)

# #重新映射标识符的输入GeneSetCollection象征……

# #做

头(tt)

# #疾病。特质MAPPED_GENE snp CHR_ID # # 1过敏性皮肤炎TNXB rs41268896 6 # # 2过敏性皮肤炎TNXB rs12153855 6 # # 3过敏性皮肤炎KIF3A rs2897442 5 # # 4注意缺陷多动障碍SEMA3A rs797820 7 # # 5注意缺陷多动障碍DNM1 rs2502731 9 # # 6注意缺陷多动障碍GPC6 rs7995215 13 # # CHR_POS 1 # # 32102292 # 32107027 # 2 # 3 # 132713335 # 83979723 # 4 # 5 # 128214278 # 6 # 93756253

表(tt [1])

特应性皮炎# # # # # # 3 # #注意缺陷多动障碍高度# # 3 # # # # 7 # #初潮(发病年龄)# # 4 # #风湿性关节炎与肥胖相关的特征# # 11 # # # # 3