RNA编辑分析流程

RNA editing

一、reditools软件下载

首先需要安装reditools软件，这是2.0版本的下载链接

wget -c https://github.com/tflati/reditools2.0/archive/master.zip

解压

unzip master.zip

然后软件就安装好啦

但是我准备安装1.0.3版本，代码如下：

wget -c http://sourceforge.net/projects/reditools/files/REDItools-1.0.3.tar.gz
tar -xzvf REDItools-1.0.3.tar.gz

二、reditools工具作用介绍

然后进入reditools文件夹会发现有以下文件：

首先来介绍以下这些工具的作用：

1. REDItoolDnaRna.py主要应用来自RNA-Seq和DNA-Seq数据的BAM格式文件，可以单独使用RNA-Seq数据。
2. REDItoolKnown.py已经开发用于使用已知的编辑信息探索RNA-Seq数据集的RNA编辑潜力。 此类信息可以从DARNED数据库下载，也可以从各种出版物的补充材料中生成。 已知的RNA编辑信息必须存储在TAB文件中。
   3. REDItoolDenovo.py被用于单独使用RNA-Seq数据预测潜在的RNA编辑事件，并且没有关于RNA编辑现象的基因组信息和生物学特性的任何先验加粗样式知识。
   4. REDItoolBlatCorrection.py需要Blat包中的gfServer和gfClient程序。可以使用实用程序faToTwoBit将.2bit格式转换参考文件fasta格式
   5. FilterTable.py根据tabix工具索引的特定注释过滤输入表的位置。过滤后的位置将在每行的开头标记为“＃”。要排除这些行，应使用选项-E。功能与GTF注释文件的第三个字段中指示的相同。
   6. AnnotateTable.py根据tabix工具索引的注释文件的各个位置。 根据-c选项，它可以添加1到3个附加列。
   7. SearchInTable.py查找列表或位置表中的各个位置。
   8. selectPositions.py可以根据不同的标准过滤输出REDItool生成的表。
   9. SortTable.py是根据基因组区域和坐标对输入表进行排序的工具。 输入表可以是TAB分隔的或使用任何分隔符。
   10. tableToTabix.py创建一个tabix表，默认情况下对输入表进行排序。 用于从GFF文件生成tabix表以提前为REDItools准备注释表。
   11. SortGFF.py是一个只对GFF文件进行排序并作为SortTable.py工作的工具。
   12. GFFtoTabix.py是一个将GFF文件转换为tabix文件的脚本。
   13. TableToGFF.py是一个将输出REDItool表转换为GFF以便在REDItoolDnaRna.py中用作输入的工具。

三、reditools所需输入文件

1. BAM文件
   输入BAM应按SAMtools排序和索引进行排序和索引。 或者，REDItools可以使用-I选项对输入BAM进行排序和索引，或者从DNA-Seq数据中选择-J用于BAM。 在排序输入BAM的情况下，REDItools可以自动检查索引文件的存在，如果它们不存在则创建它们。
2. Fasta格式的参考基因组
   染色体/区域名称必须与输入BAM中的名称相同。 参考Fasta文件必须由SAMtools faidx编制索引
3. GTF文件包含注释或基因组区域，以包括或从分析中排除
   当用于已知注释时，GTF属性必须包含字段’gene_id’和’transcript_id’。需要通过tabix对GTF文件进行排序和索引。这可以通过标准的unix / linux sort命令，然后是tabix程序或使用REDItools附件脚本来完成 。(optional)
4. TAB分隔文件，包括基因组位置
   第一列必须包含根据输入BAM和参考基因组的染色体/区域名称，第二列必须包括基因组坐标（基于1），第三列必须指示链（+或 - ）。链也可以用数字表示：0（链 - ），1（链+）或2（链未知）。 (optional)
5. SpliceSite文件包括已知剪接位点的坐标，以排除周围内含子区域中的位置
   REDItools文档中描述了拼接站点的格式和生成此类文本文件的过程。 (optional)

四、reditools通用输出文件格式

• -Region：根据参考文献的基因组区域;
• -Position：是确切的基因组坐标（基于1）;
• -Reference：是参考基因组中的核苷酸碱基;
• -Strand：是链信息，带有符号1表示+链，0表示 - 链，2表示未知或未定义的链;
• -Coverage-qxx：给定xx质量得分（最小值）的每个位点的深度;
• -MeanQ：是每个位点的平均质量得分;
• -BaseCount [A，C，G，T]：是每个位点的基本分布，顺序为A，C，G和T;
• -AllSubs：是给定位点的观察到的替换列表，以空格分隔。在不变位点的情况下，使用字符“ - ”;
• -Frequency：是观察到的替代频率。在多次替换的情况下，它指的是AllSubs字段中的第一个。

REDItoolDnaRna.py包括五个额外的列，以考虑DNA-Seq reads的信息。这些列表示为：

• -gCoverage-qxx：DNA-Seq中给定xx质量得分（最小值）的每个位点的深度;
• -gMeanQ：DNA-Seq中每个位点的平均质量得分;
• -gBaseCount [A，C，G，T]：是每个位点的基本分布，顺序为A，C，G和T;
• -gAllSubs：是给定位点上观察到的替换列表，以空格分隔。字符“ - ”包括在不变位点的情况下;
• -gFrequency：是观察到的替换频率。在多个替换的情况下，它指的是gAllSubs字段中的第一个。

REDItoolDenovo.py包含一个额外的列：

• -Pvalue：是根据Fisher精确检验计算的每个位点的p值。它表明观察到的变化的基础分布与预期的不同，通过整个RNA-Seq实验的经验碱基替换计算。
  DNA-Seq reads 不支持的位置用每个额外列的字符“ - ”标记。

五、示例演示

下载测试文件包：testREDItools.tar.gz(http://srv00.recas.ba.infn.it/reditools/data/testREDItools.tar.gz) ，所包含的文件如下：

1.

REDItoolDnaRna.py \
-i rna.bam \
-j dna.bam \
-f reference.fa \
-o reditool-test \
-c 10,1 -Q 33,64 -q 25,25 \
-m 20,20 -s 2 -g 1 -u -a 6-0 -v 2 -n0.0 -N0.0 -V

对比DNA和RNA的bam文件每个位点，输出相关的信息，程序详细参数：
here
2.

selectPositions.py \
-i outTable_891206177 \
-d 12 -c 2 -C 10 -v 2 -V 0 -f 0.1 -F 1.0 -e -u \
-o candidates.txt

针对每个位点的信息进行筛选过滤，保留潜在的RNA编辑位点，程序详细参数：
here
3.

AnnotateTable.py \
-a ../../rmsk.gtf.gz \
-i candidates.txt \
-u -c 1,2,3 -n RepMask \
-o candidates.rmsk.txt

使用Repeat Mask数据库去寻找Alu位点，程序详细参数：
here
4.

FilterTable.py 
-i candidates.rmsk.txt 
-f ../../rmsk.gtf.gz 
-F SINE -E -o candidates.rmsk.alu.txt -p

保留注释在SINE区域的注释，程序详细参数：
here
5.

AnnotateTable.py \
-a ../../refGene.sorted.gtf.gz \
-i candidates.rmsk.alu.txt \
-u -c 1,2 -n RefSeq \
-o candidates.rmsk.alu.ann.txt

再使用RefSeq数据库注释，输出文件将多出gene_id、transcript_id和feature等列。

以上流程全部基于reditools1 ，reditools2以后我要用到的时候再研究更新。

先整理成这样。后面我再用自己的数据跑一遍流程，有什么问题我在贴上来。

参考网站：
https://www.jianshu.com/p/57a48d4c7bd3
https://www.jianshu.com/p/aac76fb882ad这个提到了安装报错的问题