4．1的遗传变异

功能在TVTB支持CollapsedVCF而且ExpandedVCF对象(两者都扩展了虚类VCF)的VariantAnnotation包中。

通常情况下,CollapsedVCF对象由VariantAnnotationreadVcf方法，以及ExpandedVCF对象的结果VariantAnnotation扩大应用于CollapsedVCF对象。

用户认为与分析相关的任何信息都可以从VCF文件导入并存储在VCF传递给TVTB方法。但是，要启用关键功能的包，插槽的一个VCF对象应至少包括以下信息:

• 固定(x)
  • 字段“REF”而且“ALT”．
• 信息(x)
  • 场< vep >:< vep >表示INFO键，其中Ensembl VEP预测存储在VCF对象。
• 基因族群(x)
  • GT:基因型。
• colData (x):表型。

4．2基因组范围列表

在不久的将来，TVTB预计功能将产生汇总统计数据和由元特征组成的图，每个元特征都可能由多个基因组范围组成。

例如，可以对一组转录本进行负担测试，只考虑其各自外显子集中的变体。的GenomicRangesGRangesList类是示例中的理想容器，如每个农庄在GRangesList将代表一个文本，而每个元素在农庄代表一个外显子。

此外,TVTBparam对象可以作为参数的参数VariantAnnotationreadVcf．在这种情况下，TVTBparam对象仅用于导入与相关基因组区域重叠的变体。此外,readVcf方法也保证了vep槽位号TVTBparam对象出现在VCF文件的头文件中。

svp <- as(tparam， "ScanVcfParam") svp

##类:ScanVcfParam ## vcfWhich: 1个元素## vcfFixed: character()[所有]## vcfInfo: ## vcfGeno: ## vcfSamples: ## vcfSamples:

4.３表型

虽然VCF对象可以在没有附加表型数据的情况下构建，表型信息对于解释和比较样本组之间的遗传变异至关重要(如。不同表型水平的损伤变异负担)。

VCF对象接受表型信息(如S4VectorsDataFrame)在colData槽。这种做法的关键优势是保持表型和遗传信息同步，通过操作，如子集和重新排序，限制工作空间熵和混乱。

4.4例子

一个ExpandedVCF对象，该对象包含其余小插图所需的最小数据，可以如下所示创建:

步骤1:进口表型

phenoFile <- system. txt。file("extdata"， "integrated_samples.txt"， package = "TVTB")表型<- S4Vectors::DataFrame(read. txt)table(file = phenoFile, header = TRUE, row.names = 1))

步骤2:定义要解析的VCF文件

vcfFile <- system. txtfile("extdata"， "chr15. phase3_integrative .vcf.gz"， package = "TVTB") tabixVcf <- Rsamtools::TabixFile(file = vcfFile)

步骤3:定义VCF导入参数

VariantAnnotation::vcfInfo(svp(tparam)) <- vep(tparam) VariantAnnotation::vcfGeno(svp(tparam)) <- "GT" svp(tparam)

##类:ScanVcfParam ## vcfWhich: 1 elements ## vcfFixed: character()[所有]## vcfInfo: CSQ ## vcfGeno: GT ## vcfSamples:

在上面的代码块中特别有趣的是:

• 的TVTBparam构造函数之前填充了哪一个槽的高级副总裁“减少”(即。非重叠的)基因组范围定义范围槽。
• 属性中定义的INFO键vep插槽将被导入
• 只有被称为基因型的基质将被导入

步骤4:导入和预处理变量

#将变量作为折叠dvcf对象导入vcf <- VariantAnnotation::readVcf(tabixVcf, param = tparam, colData = phenotypes) #扩展为一个ExpandedVCF对象(双基因记录)vcf <- VariantAnnotation:: Expand (x = vcf, row.names = TRUE)

在上面的代码块中特别有趣的是readVcf给出方法:

• TVTBparam参数，调用相应的方法签名
• 表型
  • 的rownames这些表型之一定义了从VCF文件中查询的样本标识符。
  • 这些表型被储存在colData产生的槽VCF对象。

结果是ExpandedVCF包括目标基因组范围内的变体和样本的对象:

## class: ExpandedVCF ## dim: 481 2504 ## rowRanges(vcf): ## GRanges with 5个元数据列:paramRangeID, REF, ALT, QUAL, FILTER ## info(vcf): ## DataFrame with 1列:CSQ ## info(header(vcf)): ## Number Type Description ## CSQ。来自Ensembl VEP的字符串结果注释。格式:等位基因…## geno(vcf): ##长度列表1:GT ## geno(header(vcf)): ##编号类型描述## GT 1字符串基因型

5.1增加总体频率

例如，方法addOverallFrequencies使用参考同形结子(裁判)、杂合子(HET)，纯合子交替(ALT)基因型定义在TVTBparam对象存储在VCF元数据，以获得每个基因型在一个ExpandedVCF对象。紧接着，该方法使用这些计数来计算交替等位基因频率(空军联队)和较小的等位基因频率(加)．最后，该方法存储五个计算值(裁判，HET，ALT，空军联队,加中声明的后缀所定义的INFO键TVTBparam对象。

initialInfo <- colnames(info(vcf)) vcf <- addOverallFrequencies(vcf = vcf) setdiff(colnames(info(vcf))， initialInfo)

##[1]“ref”“het”“alt”“aaf”“maf”

值得注意的是,addOverallFrequencies方法的同义词addFrequencies方法缺少参数。把：

vcf <- addFrequencies(vcf = vcf, force = TRUE)

5.2在表型水平内增加频率

类似地，这个方法addPhenoLevelFrequencies获得与给定表型的给定水平相关的样本中每种基因型的计数，并将计算值存储在定义为的INFO键中<把> _ <水平> _ <后缀>类中定义的后缀TVTBparam对象存储在VCF元数据。

initialInfo <- colnames(info(vcf)) vcf <- addPhenoLevelFrequencies(vcf = vcf, pheno = "super_pop"， level = "AFR") setdiff(colnames(info(vcf))， initialInfo)

## [1] "super_pop_AFR_REF" "super_pop_AFR_HET" "super_pop_AFR_ALT" ## [4] "super_pop_AFR_AAF" "super_pop_AFR_MAF"

值得注意的是,addPhenoLevelFrequencies方法的同义词addFrequencies方法把给出一个列表的名字是表现型，还是价值观字符在每个表型中要处理的水平向量:

initialInfo <- colnames(info(vcf)) vcf <- addFrequencies(vcf, list(super_pop = c("EUR"， "SAS"， "EAS"， "AMR")) setdiff(colnames(info(vcf))， initialInfo)

[1]“超级pop_eur_ref”“超级pop_eur_het”“超级pop_eur_alt”##[4]“超级pop_eur_aaf”“超级pop_sas_ref”“超级pop_sas_aaf”##[10]“超级pop_sas_maf”“超级pop_eas_ref”“超级pop_eas_het”##[13]“超级pop_eas_alt”“超级pop_eas_aaf”“超级pop_eas_maf”##[16]“超级pop_amr_ref”“超级pop_amr_het”“超级pop_amr_alt”##[19]“超级pop_amr_aaf”“超级pop_amr_alt”##[19]“超级pop_amr_aaf”“超级pop_amr_maf”##[19]“超级pop_amr_aaf”“超级pop_amr_maf”

此外，addFrequencies方法可以给出一个字符表型的载体为把参数，在这种情况下计算频率所有给定表型的水平:

vcf <- addFrequencies(vcf， "pop") head(grep("^pop_[[:alpha:]]+_REF"， colnames(info(vcf))， value = TRUE))

# #[1]“pop_GBR_REF”“pop_FIN_REF”“pop_CHS_REF”“pop_PUR_REF”“pop_CDX_REF”# #[6]“pop_CLM_REF”

6.1VCF过滤规则的定义

便于定义VCF过滤规则，并将其应用到VCF对象,TVTB扩展了S4VectorsFilterRules类中的四个新的过滤规则类:

请注意,FilterRules对象本身适用于VCF对象，与上述专用类有两个重要区别:

• 表达式必须显式引用VCF槽
• 因此，一个表达式可以引用不同的字段VCF插槽，例如:

S4Vectors::FilterRules(list(mixed = function(x){VariantAnnotation::fixed(x)[，"FILTER"] == "PASS" & VariantAnnotation::info(x)[，"MAF"] >= 0.05}))

长度为1的FilterRules(1):混合

这些类的实例可以按如下方式初始化:

VcfFixedRules

- VcfFixedRules(list(pass = expression(FILTER == " pass ")， qual = expression(qual > 20)))

##长度为2的vcffixerules (2)

VcfInfoRules

infoR <- VcfInfoRules(exprs = list(rare = expression(MAF < 0.01 & MAF > 0)， common = expression(MAF > 0.05)， mac_ge3 = expression(HET + 2*ALT >= 3))， active = c(TRUE, TRUE, FALSE)) infoR

VcfInfoRules长度为3 ## names(3):罕见常见mac_ge3

上面的代码块说明了的有用特性FilterRules：

• FilterRules默认情况下在活动状态下初始化(计算一个不活跃的规则的回报真正的所有项目)的活跃的参数可用于初始化处于非活动状态的特定筛选规则。
• 一条规则表达式(或函数的相关槽位的多个列VCF对象。
• 规则可以包括计算，允许对不一定存储在任意槽中的值进行过滤VCF对象。

VcfVepRules

vepR <- VcfVepRules(exprs = list(missense = expression(Consequence %in% c("missense_variant"))， CADD_gt15 = expression(CADD_PHRED > 15)))

长度为2的VcfVepRules(2):错误理解CADD_gt15

VcfFilterRules

VcfFilterRules将不同类型的VCF过滤规则组合在一个对象中。

vcfRules <- VcfFilterRules(fixedR, infoR, vepR) vcfRules

长度为7的VcfFilterRules (7): pass qual rare common mac_ge3 missense CADD_gt15

这个小插图只提供了VCF过滤器规则的实用性和灵活性的简要介绍。更多(复杂的)示例将在单独的小插图中给出，包括使用函数和模式匹配的筛选规则。的文件S4Vectors包——父类所在的位置FilterRules也可以是灵感的来源。

6.2控制VCF过滤规则

如上类的VCF滤波规则继承S4VectorsFilterRules类，它们也受益于它的访问器和方法。例如，VCF过滤器规则可以很容易地在激活和非激活状态之间切换:

active(vcfRules)["CADD_gt15"] <- FALSE active(vcfRules)

## pass qual稀有常见mac_ge3 missense CADD_gt15 ## TRUE TRUE TRUE TRUE TRUE FALSE TRUE FALSE

一个单独的小插图更详细地描述了包含的类的使用VCF滤波规则．

6.3VCF滤波规则的计算

定义之后，上面的筛选规则就可以应用于ExpandedVCF对象，以同样的方式FilterRules在给定的环境中进行评估(请参阅S4Vectors文档):

(expr = infoR, envir = vcf))

##模式错误##逻辑481

(eval(expr = vcfRules, envir = vcf))

##模式错误##逻辑481

概要(evalseparate (expr = vcfRules, envir = vcf))

## pass qual rare common mac_ge3 ##模式:逻辑模式:逻辑模式:逻辑模式:逻辑模式:逻辑模式:逻辑模式:逻辑## TRUE:481 TRUE:481 FALSE:45 FALSE:453 TRUE:481 ## TRUE: 436 TRUE: 28 ## missense CADD_gt15 ##模式:逻辑模式:逻辑## FALSE:454 TRUE:481 ## TRUE: 27

7.1在基因组轴上按表型水平可视化INFO数据

让我们显示在每个超级种群中估计的常见变体的交替等位基因频率(AAF)，在转录本覆盖感兴趣的区域的背景下。

在加跟踪:

• 点表示在公共Y轴上的每个超级种群的MAF。
• 热图表示MAF为颜色强度，为每个超级种群给定一行。

plotInfo(subsetByFilter(vcf, vcfRules["common"])， "AAF"， range(GenomicRanges::granges(vcf))， EnsDb.Hsapiens.v75::EnsDb.Hsapiens. v75::EnsDb.Hsapiens. vcf)。V75，“super_pop”，零。rm = FALSE)

或者，错义变体的小等位基因频率(MAF)(从整个数据集估计)可以以同样的方式可视化。然而，由于这些变体的性质，zero.rm参数可以设置为真正的来隐藏显示MAF为的所有数据点0；因此，在每个超级种群中实际检测到的变异即使在低频率也会被强调。

plotInfo(subsetByFilter(vcf, vcfRules["missense"])， "MAF"， range(GenomicRanges::granges(vcf))， EnsDb.Hsapiens.v75::EnsDb.Hsapiens. v75::EnsDb.Hsapiens. vcf)。V75，“super_pop”，零。rm = TRUE)

9.1总结整体VEP预测

一旦遗传和表型信息被输入ExpandedVCF对象，或在对象扩展了附加信息后，数据的科学价值可以通过各种汇总统计和图形表示来揭示。本节将很快介绍几个观点正在实施在TVTB，例如:

• 离散系综VEP预测的计数
  • 根据表型水平
  • 受基因组特征影响(即。成绩单)
• 连续集成VEP预测的分布
  • 根据表型水平
  • 受基因组特征影响(即。成绩单)