RNA-seq 详细教程：分析准备（3）

最新推荐文章于 2024-03-18 21:44:49 发布
最新推荐文章于 2024-03-18 21:44:49 发布
阅读量1.2k 收藏 11
点赞数 1
文章标签： 程序人生
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/swindler_ice/article/details/128095429
版权

学习目标

  • 了解 RNA-seq 和差异表达基因的分析流程
  • 了解如何设计实验
  • 了解如何使用 R 语言进行数据分析

1. 简介

在过去的十年中，RNA-seq 已成为转录组差异表达基因和 mRNA 可变剪切分析不可或缺的技术。正确识别哪些基因或转录本在特定条件下的表达情况，是理解生物反应过程的关键。

在本教程中，将借助许多R包，带你进行一个完整的 RNA-seq 分析过程。将从读取数据开始，将伪计数转换为计数，执行数据分析以进行质量评估并探索样本之间的关系，执行差异表达分析，并在执行下游功能分析之前直观地查看结果。下面是流程图。

workflow
workflow

2. 数据集

本教程将使用Kenny PJ et al, Cell Rep 2014[1] 中的一部分数据进行演示。实验是在 HEK293F细胞中进行的，这些细胞，进行了MOV10基因的转染，或敲除了 MOV10基因，使得 MOV10基因的表达将发生变化。具体情况如下：

处理123
MOV10 geneover expressionknock downIrrelevant siRNA
过表达敲除对照

重复的情况如下图：

replicates
replicates

使用这些数据，我们将探究 MOV10 基因表达出现不同的转录模式。此数据集的原始序列是从 Sequence Read Archive (SRA)[2] 获得的。然后经过之前介绍的工具，进行处理。所有的操作都是在 (Linux/Unix) 环境进行的。

MOV10：是一种 RNA 解旋酶，在 microRNA 通路的背景下与性别相关发育有关。

3. 问题

  1. MOV10 基因的表达变化会产生什么影响？
  2. 变化之间是否有共同的特征？

4. 配置

打开 RStudio 并为此分析创建一个新项目。

  1. 转到 File 菜单并选择 New Project。

  2. 选择 New Directory ，然后创建 DEanalysis目录。

  3. RStudio 会自动打开该项目。

使用 getwd()，检查是否在正确的工作目录中。返回的结果应该是：path/DEanalysis

（考虑到每个人的路径不同，因此只需要最后是/DEanalysis即可）。在您的工作目录中，创建两个新目录：meta 和 results。

现在我们需要获取用于分析的文件：Mov10[3]，点击即可下载（不能下载的，可以在文末链接获取）。下载 zip 文件后，您需要解压它。将创建一个 data 目录，其中的子目录对应于我们数据集中的每个样本。

接下来，我们将下载annotation file 用于将转录本标识符转换为基因名称（如下图）。此文件是从 R 包 AnnotationHub 得到的（后续将介绍如何获取过程）。

annotation file
annotation file

然后用 RStudio 打开之前的 DEanalysis目录，创建一个 de_script.R 文件，写入下面的注释，并保存。

## Gene-level differential expression analysis using DESeq2
## 使用 DESeq2 进行差异表达基因分析

完成以上步骤后，最后的工作目录如下图：

working directory
working directory

5. 加载包

分析将使用几个 R 包，一些是从 CRAN 安装的，另一些是从 Bioconductor 安装的。要使用这些包，需要加载包。将以下内容添加到脚本中。

library(DESeq2)
library(tidyverse)
library(RColorBrewer)
library(pheatmap)
library(DEGreport)
library(tximport)
library(ggplot2)
library(ggrepel)

6. 数据导入

Salmon 的主要输出是一个 quant.sf 文件，数据集中的每个样本都有一个这样的文件。该文件如下图所示：

quant.sf
quant.sf
  • 内容如下
  1. 转录本标识符
  2. 转录本长度
  3. 有效长度（ effective length）
  4. TPM（ transcripts per million），使用有效长度计算
  5. 估计的计数

effective length：

The sequence composition of a transcript affects how many reads are sampled from it. While two transcripts might be of identical actual length, depending on the sequence composition we are more likely to generate fragments from one versus the other. The transcript that has a higer likelihood of being sampled, will end up with the larger effective length. The effective length is transcript length which has been “corrected” to include factors due to sequence-specific and GC biases.

将使用 tximport 包来为 DESeq2 准备 quant.sf文件。需要做的第一件事是创建一个变量，其中包含每个 quant.sf 文件的路径。然后将名称添加到我们的 quant 文件中，这将使我们能够轻松区分最终输出矩阵中的样本。

## 列出所有文件
samples <- list.files(path = "./data", full.names = T, pattern="salmon$")

## 获取文件名和路径的向量
files <- file.path(samples, "quant.sf")

## 为每个文件单独命名
names(files) <- str_replace(samples, "./data/", "") %>% 
                str_replace(".salmon", "")

Salmon 索引是使用 Ensembl ID 列出的转录序列生成的，但 tximport 需要知道这些转录本来自哪些基因。我们将使用下载的 annotation file 来提取转录本的基因信息。

# 加载注释文件
tx2gene <- read.delim("tx2gene_grch38_ens94.txt")

# 查看
tx2gene %>% View()

tx2gene 是一个3列的 data frame，包含：转录本ID；基因ID；基因symbol。

tximport() 函数从各种外部软件（例如 Salmon、Kallisto）导入转录水平计数，并汇总到基因水平或输出转录水平矩阵。有可选的参数来使用出现在 quant.sf 文件中的丰度估计值或计算替代值。

对于我们的分析，需要基因水平的非标准化或“原始”计数估计来执行 DESeq2 分析。由于基因计数矩阵是默认值，因此我们只需修改一个附加参数即可指定获取“原始”计数值。 countsFromAbundance 的选项如下：

  • no（默认）：这将采用 TPM 中的值（作为我们的缩放值）和 NumReads（作为我们的“原始”计数）列，并将其折叠到基因级别。
  • scaledTPM：这是将 TPM 放大到文库大小作为“原始”计数。
  • lengthScaledTPM：这用于从 TPM 生成“原始”计数表。 “原始”计数值是通过使用 TPM 值 x featureLength x 文库大小生成的。这些代表与原始计数在同一尺度上的数量。

TPM 计算过程：

  1. reads per kilobase (RPK)：将读取计数除以每个基因的长度（以千碱基为单位）

  2. “per million” scaling factor：计算样本中的所有 RPK 值并将此数字除以 1,000,000。

  3. 将 RPK 值除以“per million” scaling factor。

# 运行 `tximport`
txi <- tximport(files, type="salmon", tx2gene=tx2gene[,c("tx_id", "ensgene")], countsFromAbundance="lengthScaledTPM")

7. 数据检视

txi 对象是一个简单的列表，其中包含丰度、计数和长度的矩阵。另一个列表元素 countsFromAbundance 携带 tximport 中使用的字符参数。长度矩阵包含每个基因的平均转录本长度，可用作基因水平分析的偏移量。

attributes(txi)

$names
[1] "abundance"           "counts"              "length"        [4] "countsFromAbundance"

我们将按原样使用 txi 对象作为 DESeq2 的输入，但会将其保存到下一课。现在让我们看一下计数矩阵。你会注意到有十进制值，所以让我们四舍五入到最接近的整数并将其转换为 dataframe。

# 查看 count
txi$counts %>% View()

# 将 count 写入到对象
data <- txi$counts %>% 
  round() %>% 
  data.frame()

欢迎Star -> 学习目录

更多教程 -> 学习目录

参考资料

[1]

dataset: http://www.ncbi.nlm.nih.gov/pubmed/25464849

 [2]

SRA: https://www.ncbi.nlm.nih.gov/sra/?term=SRP029367

 [3]

数据: https://www.dropbox.com/s/oz9yralwbtphw8u/data.zip?dl=1

本文由 mdnice 多平台发布

冷冻工厂
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
RNA-Seq-Pipeline:用 Python 编写的 RNA-Seq 管道
06-06
rnaSeqPipelineGLBRC.py 目的： Implementation of the Gasch lab RNA-Seq pipeline. 输入 ： A text file with RNA-Seq fastq files to be processed. 请使用专用目录来运行管道。 创建您的目录并将您的 fastq 文件复制到该目录中。 通过移动到工作目录并运行 /bin/ls *.fastq > input.txt 来生成输入文件 所需参数： -f input.txt To run default enter: /home/GLBRCORG/mplace/scripts/rnaSeqPipelineGLBRC.py -f input.txt 可选参数： -r this will use "-s reverse" parameter for HTSeq
Basic-Bulk-RNA-seq-Workflow:在Snakemake中演示RNA-seq工作流程
04-16
Snakemake中的基本散装RNA-seq管线 目录 描述 该存储库包含两种基本形式的基本批量RNA-seq管道的演示，即Snakemake （在workflow/目录中）和bash脚本（在bash_workflow/目录中）。 这两个工作流程执行相同的分析，但是Snakemake管道更加健壮和推荐，尽管目前还不够完善。 这个Snakemake管道是作为教程的一部分而创建的，因此避免了使用某些Snakemake的完整/更复杂的实用程序。 尽管如此，它还是对bash工作流程的改进。 Snakemake版本的几个优点。 停止错误，自动删除不完整的文件 发生错误后可以重新运行/重新启动管道，并且仅运行未完全完成的步骤 可以运行到管道中的某个点而无需编辑管道 可以添加新样本并重新运行管道，以便在必要时仅运行处理新样本以及将这些新数据与其他样本数据集成所需的步骤 可以泛化分析 不必预先安装所
EpigenomicsBioconductor:R脚本使用AnnotationHub包获取有关人类CpG岛和组蛋白修饰（H3K4me3和H3K27me3）的数据； 和GenomicRanges软件包从数据中提取有关表观基因组的基本统计信息
03-28
表观基因组学生物导体 背景：我为名为“基因组数据科学的生物导体”的Coursera课程的第一个作业编写了名为“ HW1.R”的R脚本。 关于： R脚本使用AnnotationHub程序包获取有关人类CpG岛和组蛋白修饰（H3K4me3和H3K27me3）的数据。 R脚本使用GenomicRanges程序包通过执行以下操作来从数据中提取基本统计信息：按染色体分组范围，子集，相交，查找范围重叠，调整范围大小，创建列联表以及计算优势比。 软件： R版本4.0.4（2021-02-15）。 生物导体版本3.12。 AnnotationHub。 基因组范围。 rtracklayer。
RNA-Seq-Analysis
04-17
RNA序列分析 此仓库包含一些功能，我可能会一再使用它们进行RNA Seq数据的差异表达分析。
scRNA-Seq_papers:来自我们阅读小组的单细胞 RNA-Seq 论文列表
06-03
单细胞论文 这个 repo 是 Pachter Lab 阅读小组的论文和笔记的集合。 到目前为止，这是一些单细胞 RNA-Seq (scRNA-Seq) 论文的非详尽列表。 粗体的论文是我稍微偏向于覆盖的论文。 这些论文包括分析方法、协议、评论和应用。 论文列表 2015年 2014年 使用单细胞 RNA-seq 重建远端肺上皮的谱系层次 单细胞 RNA-seq 突出了原发性胶质母细胞瘤的瘤内异质性 单细胞 RNA-seq 揭示哺乳动物细胞中动态、随机的单等位基因表达 单细胞 RNA-seq 揭示细胞变异的动态旁分泌控制 单细胞 RNA 测序揭示 T 辅助细胞从头合成类固醇有助于免疫稳态 具有独特分子标识符的定量单细胞 RNA-seq 2013年 解释单细胞 RNA-seq 实验中的技术噪音 从单细胞 RNA 测序数据推断随机基因表达的动力学 单细胞RNA测序揭示人类和小鼠早期胚胎的遗
第二章 RNA-seq一般分析流程全套
laurelgirl的博客
02-22 2万+
提前申明：该贴参照于https://www.jianshu.com/p/e8cd62ba14fe 标题1. 用conda安装RNA-seq所需要 #启动conda自设环境 conda activate python3 或者用 source activate python3 #安装所需软件(conda可以同时安装多个软件，但是建议初学者还是选择逐一安装，避免出现错误) conda inst...
什么是RNA-Seq (RNA Sequencing)
weixin_30566111的博客
10-18 972
什么是RNA-Seq (RNA Sequencing) 2011-07-14~ADMIN 随着ome为词尾的各种组学的出现，转录组学已经成为了人们了解生物信息的一个重要组成部分。人们使用了许多办法来掌握转录组的情况，主要分为两类，一类是基于杂交，一类是基于下一代测序技术(Next Generation Sequencing, NGS)。 基于杂交的办法，主要是依靠印刷有荧光标记探针的...
第五章 RNA-seq分析
wangprince2017
01-14 5181
第五章 RNA-seq分析 主要为RNA-seq相关知识，部分内容作笔记自查使用。如有错误或遗漏还请海涵，可评论或邮箱联系。最后修改时间：2020-09-01 16:11:38 星期二 转录组研究方法 定性 鉴定出所有表达的转录本 定量 确定转录本各自的表达量 RNA-seq可以做什么 Level 1: 每个基因的表达量是多少 Level 2: 有哪些转录本？ 有哪些可变剪切？ 是否会有一种方式的可变剪切产生的前体mRNA(isoform)，较为富集 不同样本之间
RNA-seq：转录组数据分析处理（上）
热门推荐
super_qun的博客
01-26 5万+
RNA-seq：转录组数据分析处理 一、流程概括 RNA-seq的原始数据（raw data）的质量评估 raw data的过滤和清除不可信数据（clean reads） reads回帖基因组和转录组（alignment） 计数（count ） 基因差异分析（Gene DE） 数据的下游分析 二、准备工作 学习illumina公司测序原理 测序得到的fastq文件 注释文件和基因组文件的准备...
RNA-Seq数据分析流程
bio_meimei的博客
11-03 9624
文章目录RNA-seq 数据分析流程相关软件安装下载数据sra转fastq格式数据质控数据质控，过滤低质量reads，去接头比对首先下载参考基因组及注释文件，建立索引比对sam文件转bam为bam文件建立索引reads的比对情况统计计数 counts差异基因分析 RNA-seq 数据分析流程 相关软件安装 可以安装 conda,在后续其他软件安装时非常好用。可自行百度进行安装 可根据文献调研，转录组数据分析所需软件列表： 质控 fastqc , multiqc, trimmomatic, cutadapt
RNA-seq-workshop：RNA-seq-workshop
02-15
RNA序列工作室 这次RNA-seq研讨会旨在让您开始自己的RNA-seq分析，并假设您已经熟悉bash和R的基础知识。 我们将使用NeSI HPC进行某些分析，因此请确保您拥有NeSI帐户并且能够登录。 浏览讲习班的准备文件，以确保您准备： 研讨会大纲（上午9点至下午4点） RNA序列概述 如何QC一个fastq？ 如何修剪序列文件？ 修整质量 适配器修整 如何使用HISAT2在参考上比对测序读数 创建参考序列 对齐参考上的读数 定义对齐格式 SAMtools简介 如何获得计数矩阵 什么是注释文件 如何使用featureCount 差异基因表达分析（使用DESeq2，edgeR和Limma软件包） 过度陈述分析（基因本体论） 讨论与跟进 出处通知 用于准备研讨会的材料摘自Assoc。 迈克尔·布莱克教授教授Stat435课程。 UC Riverside整合基因组生物学
2021-March-Advanced-Topics-in-Single-Cell-RNA-Seq-VDJ：深入研究具有单细胞RNA-Seq数据的VDJ分析。 参与者必须已经熟悉单细胞RNA-Seq分析
02-09
这个为期一天的在线研讨会深入研究了使用10x平台生成的单细胞RNA-Seq数据进行VDJ分析。 参与者应该已经熟悉单细胞RNA-Seq分析，本课程将不涉及其基础知识。 您将需要一台与互联网具有可靠连接的计算机，已安装的和...
关于微阵列芯片和RNA-seq的比较
wangprince2017
01-30 7150
关于微阵列芯片和RNA-seq的比较 转录组代表存在于细胞中RNA的全部类型，包括mRNA、rRNA、tRNA以及其它各种非编码RNA等。转录组是了解细胞过程的主要手段，微阵列（Microarray）和RNA-seq（RNA sequencing）是转录组分析中的两种主要技术。它们的主要区别在于，微阵列基于预先设计的标记探针与目标cDNA序列的杂交，而RNA-seq通过测序技术对cDNA链进行直接测序。 微阵列 微阵列取决于杂交探针，根据杂交信号强度定量基因相对表达水平。 首先从样品中提取总RNA，
Nature重磅综述 |关于RNA-seq，你想知道的都在这
悟道西方
10-28 3万+
摘要 RNA测序（RNA-seq）在过往十年里逐渐成为全转录组水平分析差异基因表达和研究mRNA差异剪接必不可少的工具。随着二代测序技术 (NGS)的发展，RNA-seq的应用也越来越广。现已经可以应用于很多RNA层面的研究，比如单细胞基因表达、RNA翻译（translatome）和RNA结构组（structurome结构组学）。新的有意思的应用，如空间转录组学（spatialomics）也在积极...
Bioconductor的注释包未必靠谱
weixin_34004750的博客
06-11 675
Bioconductor开发的物种注释包系列集合了一个物种不同来源的注释信息，能够根据基因ID对其进行多种来源的注释，比如说基因的别名，基因的功能等。 我之前也写过一篇文章用Bioconductor对基因组注释介绍如何使用AnnotationHub下载注释数据库, 使用select(), mapIds等函数进...
RNA-Seq数据分析使用方法
weixin_73362123的博客
03-03 1195
质量问题通常来自测序本身或前面的文库制备。包括： 可信度低的碱基 序列特异性的偏差 3’/5’位置偏差 聚合酶链反应(PCR)假象 未修剪的接头 序列污染 通过过滤、修剪、纠错或偏差订正被矫正。 质量控制和预处理软件 1FastQC 输入文件可以是FASTQ(未压缩或压缩的)或SAM/BAM文件。生成html的质量报告，包括： 读段的数目及质量编码 可视化有关碱基质量和内容 读取长度及k-mer内容 有含糊不清的碱基 过度代表的序列和重复的信息 1.2html结果文件解读 左侧会有Summary可以
RNA-seq 基本分析流程
weixin_30307921的博客
02-26 3772
高通量测序技术，就是二代测序，已经成为现代生物学研究的一个较为常规的实验手段。这一技术的发展极大地推动了基因组学，表观基因组学以及翻译组学的研究。RNA-seq 通过测定稳定状态下的RNA样品的序列来对RNA样品进行研究，从而避免了许多之前研究手段的不足，比如象基因芯片或者 PCR 就需要背景知识。而且 RNA-seq 还可以触及以前无法研究的领域，比如复杂结构的转录体。 RNA-seq可以应用...
RNA Sequence Analysis in R: edgeR
chenzeyu110的博客
11-21 3536
https://web.stanford.edu/class/bios221/labs/biostrings/lab_1_biostrings.html RNA Sequence Analysis in R: edgeR The purpose of this lab is to get a better understanding of how to use the edgeR pa
程序人生——Java使用关于性能和效率的建议
Perley620的博客，专注后端领域
03-18 1767
程序人生——Java使用关于性能和效率的建议
rna-seq数据分析 python
最新发布
04-01
在Python中，有许多用于RNA-seq数据分析的库和工具，可以帮助我们进行数据处理、差异表达分析、功能注释等。 以下是一些常用的Python库和工具，用于RNA-seq数据分析： 1. NumPy：用于处理数值计算和数组操作。 2. ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值