marker区域基因注释规则解析

概述：

对靶区进行基因功能注释，一般而言会研究其邻近TSS基因，认为靶区更易受该基因调控；对于靶区覆盖多个基因或功能区的情况，会做注释取舍；对这些基本的注释规则进行理解如下

一、distanceToTSS计算规则

常用软件如ChIpseeker，其基本注释为：根据注释文件每个基因位于的链特征及marker上下游特征，自定义计算distanceToTSS，寻找邻近基因，distanceToTSS计算规则如下：

1）若注释基因位于上游正链，distanceToTSS = genestart - marker start
2）若注释基因位于上游负链，distanceToTSS = geneEnd - marker start
3）若注释基因位于下游正链，distanceToTSS = genestart - marker end
4）若注释基因位于下游负链，distanceToTSS = geneEnd - marker end

根据绝对距离，确定TSS最邻近基因。

二、注释文件选取

邻近TSS基因完全依赖于注释文件，不同版本注释文件相对重要，较老版本多注释到距离更远的基因上，新版本虽能找到更近的基因，但基因功能明确度可能存疑，因此需要选取合适的基因注释文件，诸如如gencode（https://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_45/）、UCSC等

三、具体应用

以ChIpseeker为例(Homer应用类似)，加载相关包：

library(“ChIPseeker”)
library(clusterProfiler)
library(“org.Hs.eg.db”)
library(GenomicFeatures)
library(TxDb.Hsapiens.UCSC.hg38.knownGene)
txdb <- TxDb.Hsapiens.UCSC.hg38.knownGene

对于注释文件配置，默认可以加载USSC相关包，若自定义注释文件，则需要进行特别加载：

txdb<-makeTxDbFromGFF(“D:/test//target/gencode.v19.chr_patch_hapl_scaff.annotation.gtf”)

配置完主要文件后，加载靶区region进行annotation：

peak =readPeakFile(“target.peak”)

peakAnno <- annotatePeak(peak, tssRegion = c(-3000, 3000), TxDb =txdb,annoDb=“org.Hs.eg.db”) ## promoter默认为TSS上下游3Kb，因此实际出来的结果没有upstream，annoDb可以补充SYMBOL\GENENAME等相关信息

得到主要结果后，可进行注释可视化：

对于同一个区域包含不同的基因功能区注释，会根据优先级进行展示 ： Promoter>5’ UTR>3’ UTR>Exon>Intron>Downstream>Intergenic，即一个区域同时存在Promoter和Exon时，该区域会被注释为Promoter。
若要展示靶区中全部区域，可使用以下命令进行相关展示：

overlap <- peakAnno@detailGenomicAnnotation ##具体结果
upsetplot(peakAnno,vennpie=TRUE) ##交集可视化

对于1个区域包含不同基因调控区，由于存在优先级注释特点，部分覆盖区域优先级靠后或同一个优先级的基因无法进行注释；对该类情况初步可使用注释文件不同区域直接进行overlap处理，但对于基因间区暂未想到较好的办法
其余命令如转录结合强度等可细参考ChIpseeker包相关命令。

随后可拉出具体的geneID使用clusterprofile进行功能注释：

a<-data.frame(peakAnno)

ekk <- enrichKEGG(gene =a$geneId, organism = “hsa”, keyType = “kegg”, pAdjustMethod = “BH”, pvalueCutoff =0.05,qvalueCutoff = 0.05)

ego <- enrichGO(gene = a$geneId,keytype = “ENTREZID”,OrgDb = org.Hs.eg.db,ont = “ALL”,pAdjustMethod = “BH”,qvalueCutoff = 0.05,readable = TRUE)