介绍Bioconductor

马丁•摩根
2015年2月2日

Bioconductor

高通量基因组数据的分析和理解

• 统计分析:大数据、技术构件,设计实验;严格的
• 理解:生物背景,可视化,再现性
• 高通量
  • 排序:RNASeq ChIPSeq变体,拷贝数,…
  • 微阵列:表达式,SNP,…
  • 流式细胞术、蛋白质组学、图片…

包、小品文、工作流动

• 934包
• 发现和导航通过biocViews
• 包的着陆页
  • 标题、作者/维护者,简短描述,引文,安装说明,…,下载统计数据
• 所有用户可见功能帮助页面,但多数与运行的例子
• “小插曲”Bioconductor——叙事的重要特征文件说明如何使用包,集成代码
• “发布”(每六个月)和“重击”分支
• 支持网站;视频,最近的课程

对象

• 表示复杂的数据类型
• 促进互操作性
• S4对象系统
  • 自省:getClass (),showMethods (…,where=search()),selectMethod ()
  • 访问器和其他记录功能/操作的方法,而不是直接访问对象结构
• 交互式帮助
  • 方法?”字符串的子串,<选项卡>”选择帮助方法,类? D <选项卡>为帮助类

例子

suppressPackageStartupMessages({库(Biostrings)})数据(phiX174Phage) #示例数据,看到了什么? phiX174Phage phiX174Phage

# # 6 # #长度宽度seq的DNAStringSet实例名称# # [1]5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA基因库# # [2]5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA RF70s # # [3] 5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA SS78 # # [4] 5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA牛# # [5]5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA G97 # # [6] 5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA NEB03

m < - consensusMatrix (phiX174Phage)[1:4] #诊断。x位置计数多态<——(colSums (m ! = 0) > 1) m(多态)

# # [1][2][3][4][5][6][7][8][9]# # 4 5 4 3 0 0 5 2 0 # # C 0 0 0 0 5 1 0 0 5 # # G 2 1 2 3 0 0 1 4 0 # # T 0 0 0 0 1 5 0 0 1

showMethods(类类(phiX174Phage) =, =搜索())

核心概念

基因组范围

基因组范围

• 染色体(seqnames),开始、结束和可选地链
• 坐标
  • 基于
  • 关闭,开始和结束坐标包括在范围内
  • 左边的开始总是左边的结束,无论链

为什么基因组范围?

• “注释”
  • 许多基因组注释是基于范围
  • 简单的范围:外显子、启动子转录因子结合位点,CpG岛…
  • 列表的范围:基因模型(exons-within-transcripts)
• “数据”
  • 读自己,或派生数据
  • 简单的范围:ChIP-seq山峰,单核苷酸多态性,ungapped读取,…
  • 列表的范围:缺口对齐,paired-end读取,…

数据对象

• GenomicRanges::农庄

  • seqnames ()
  • start (),结束(),宽度()
  • 链()
  • mcols ():“元数据”与每个范围、关联存储为一个DataFrame
  • 许多非常有用的操作上定义范围(后)

• GenomicRanges::GRangesList

  • 类似(例如,长度(),名称(),(,[[)< !-)- >
  • 每个列表元素农庄
  • 在列表和元数据元素列表的水平
  • 非常容易(快)unlist ()和重新刊登()。

• GenomicAlignments::GAlignments,GAlignmentsList,GAlignemntPairs;VariantAnnotation::VCF,VRanges

  • 农庄——对象有更多的专业角色

例子:农庄

# #“注释”包;以后……suppressPackageStartupMessages({库(TxDb.Hsapiens.UCSC.hg19.knownGene)})启动子< -促进剂(TxDb.Hsapiens.UCSC.hg19.knownGene) # #“农庄”,2元数据列推动者

与82960范围和2 # #农庄对象元数据列:# # seqnames范围链| tx_id tx_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]chr1 (9874、12073) + | 1 uc001aaa。3 # # [2]chr1 (9874、12073) + | 2 uc010nxq。1 # # [3]chr1 (9874、12073) + | 3 uc010nxr。1 # # [4]chr1 (67091、69290) + | 4 uc001aal。1 # # [5]chr1 (319084、321283) + | 5 uc001aaq。2 # #…………………# # [82956]chrY (27605479、27605479) - | 78803 uc004fwx。1 # # [82957]chrY (27606222、27606222) - | 78804 uc022cpc。1 # # [82958]chrY (27607233、27607233) - | 78805 uc004fwz。3 # # [82959]chrY (27635755、27635755) - | 78806 uc022cpd。1 # # [82960]chrY (59360655、59360655) - | 78807 uc011ncc。1 # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

头(表(seqnames(发起人)))

# # # # chr1 chr2 chr3 chr4 chr5 chr6 # # 7967 5092 4328 2888 3366 4220

表(链(发起人))

# # # # + - * # # 42198 40762 0

seqinfo(发起人)

与93年# # Seqinfo对象从hg19基因组序列(1循环):# # seqnames seqlengths isCircular基因组# # chr1 249250621假hg19 # # chr2 249250621假hg19 # # chr3 198022430假hg19 # # chr4 191154276假hg19 # # chr5 180915260假hg19 # #……# # chrUn_gl000245 36651假hg19 # # chrUn_gl000246 38154假hg19 # # chrUn_gl000247 36422假hg19 # # chrUn_gl000248 39786假hg19 # # chrUn_gl000249 38502假hg19

# #向量获得启动子(seqnames(发起人)% % c (“chr1”、“chr2”)]

与13059范围和2 # #农庄对象元数据列:# # seqnames范围链| tx_id tx_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]chr1 (9874、12073) + | 1 uc001aaa。3 # # [2]chr1 (9874、12073) + | 2 uc010nxq。1 # # [3]chr1 (9874、12073) + | 3 uc010nxr。1 # # [4]chr1 (67091、69290) + | 4 uc001aal。1 # # [5]chr1 (319084、321283) + | 5 uc001aaq。2 # #…………………# # [13055]chr2 (242617330、242617330) - | 13055 uc002wcb。2 # # [13056]chr2 (242751523、242751523) - | 13056 uc002wck。1 # # [13057]chr2 (242794933、242794933) - | 13057 uc010fzs。3 # # [13058]chr2 (242800859、242800859) - | 13058 uc002wcq。4 # # [13059]chr2 (242800859、242800859) - | 13059 uc010fzt。3 # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

# #元数据mcols(发起人)

# # # # DataFrame 82960行和2列tx_id tx_name # # <整数> <人物> # # 1 1 uc001aaa。3 # # 2 2 uc010nxq。1 # # 3 3 uc010nxr。1 # # 4 4 uc001aal。1 # # 5 5 uc001aaq。2 # #………# # 82956 78803 uc004fwx。1 # # 82957 78804 uc022cpc。1 # # 82958 78805 uc004fwz。3 # # 82959 78806 uc022cpd。1 # # 82960 78807 uc011ncc.1

长度(独特(发起人tx_name美元))

# # 82960年[1]

# #外显子,按记录分组exByTx < - exonsBy (TxDb.Hsapiens.UCSC.hg19。knownGene”, tx”, use.names = TRUE) # #类似构造子集exByTx[1:10] #逻辑,人物,……

# # GRangesList对象长度10:# # uc001aaa美元。3 # #农庄组织对象与范围和3元数据列:# # seqnames范围链| exon_id exon_name exon_rank # # < Rle > < IRanges > < Rle > | <整数> <人物> <整数> # # [1]chr1 (11874、12227) + | 1 < NA > 1 # # [2] chr1 (12613、12721) + | 3 < NA > 2 # # [3] chr1 (13221、14409) + | 5 < NA > 3 # # # # uc010nxq美元。1与3 # #农庄组织对象范围和3元数据列:# # seqnames范围链| exon_id exon_name exon_rank # # [1] chr1 (11874、12227) + | 1 < NA > 1 # # [2] chr1 (12595、12721) + | 2 < NA > 2 # # [3] chr1 (13403、14409) + | 6 < NA > 3 # # # # uc010nxr美元。1与3 # #农庄组织对象范围和3元数据列:# # seqnames范围链| exon_id exon_name exon_rank # # [1] chr1 (11874、12227) + | 1 < NA > 1 # # [2] chr1 (12646、12697) + | 4 < NA > 2 # # [3] chr1 (13221、14409) + | 5 < NA > 3 # # # #…# # < 7多个元素> # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

exByTx uc001aaa [[”。3》]]#数字

# #农庄对象与范围和3元数据列:# # seqnames范围链| exon_id exon_name exon_rank # # < Rle > < IRanges > < Rle > | <整数> <人物> <整数> # # [1]chr1 (11874、12227) + | 1 < NA > 1 # # [2] chr1 (12613、12721) + | 3 < NA > 2 # # [3] chr1 (13221、14409) + | 5 < NA > 3 # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

# #访问器返回打印出来的清单,例如,IntegerList宽度(exByTx)

# # IntegerList长度82960 # # uc001aaa [[”。3》]]354 109 1189 # # uc010nxq [[”。1 "]]354 127 1007 # # uc010nxr [[”。1“]]354 52 1189 # # uc001aal [[”。1 "]]918 # # [[”uc001aaq。2》]]32 # # uc001aar [[”。62 # #“]][[”uc009vjk。2“]]192 58 2500 # # uc001aau [[”。3“]]169 58 4143 # # uc021oeh [[”。1 "]]58 248 406 514 # # uc021oei [[”。1 "]]894 # #…# # < 82950 >元素

log10(宽度(exByTx))

# # NumericList长度82960 # # uc001aaa [[”。3》]]2.54900326202579 2.03742649794062 3.07518185461869 # # uc010nxq [[”。1 "]]2.54900326202579 2.10380372095596 3.00302947055362 # # uc010nxr [[”。1 "]]2.54900326202579 1.7160033436348 3.07518185461869 # # uc001aal [[”。1 "]]2.96284268120124 # # uc001aaq [[”。2“]]1.50514997831991 # # uc001aar [[”。2“]]1.79239168949825 # # uc009vjk [[”。2》]]2.28330122870355 1.76342799356294 3.39794000867204 # # uc001aau [[”。3》]]2.22788670461367 1.76342799356294 3.61731493329829 # # uc021oeh [[”。1 "]]1.76342799356294 - 2.39445168082622 2.60852603357719 - 2.71096311899528 # # uc021oei [[”。1 "]]2.95133751879592 # #……# # < 82950 >元素

# #“简单”问的基本问题,例如,……嘘(unlist (log10(宽度(exByTx)))) #外显子的宽度

exByTx [which.max (max(宽度(exByTx)))) #成绩单与最大的外显子

# # GRangesList对象长度1:# # uc031qjh美元。1 # #农庄组织对象与范围和3元数据列:# # seqnames范围链| exon_id exon_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]chr12 (102591363、102591363) + | 164764 < NA > # # exon_rank # # <整数> # # [1]1 # # # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

exByTx [which.max (elementLengths (exByTx))) #与大多数外显子记录

# # GRangesList对象长度1:# # uc031qqx美元。与5065年1 # #农庄组织对象范围和3元数据列:# # seqnames范围链| exon_id exon_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]chr14 (107283004、107283004) - | 192985 < NA > # # [2] chr14 (107282819、107282819) - | 192984 < NA > # # [3] chr14 (107281146、107281146) - | 192983 < NA > # # [4] chr14 (107281126、107281126) - | 192982 < NA > # # [5] chr14 (107276018、107276018) - | 192981 < NA > # #…………………# # [5061]chr14 (106067906、106067906) - | 187862 < NA > # # [5062] chr14 (106054457、106054457) - | 187853 < NA > # # [5063] chr14 (106052986、106052986) - | 187849 < NA > # # [5064] chr14 (105994262、105994262) - | 187848 < NA > # # [5065] chr14 (105994256、105994256) - | 187847 < NA > # # exon_rank # # <整数> # # 1 # # [1][2]2 # # 3 # # [3][4]4 # # [5]5 # #……# # 5061 # # [5062][5061]5062 # # [5063]5063 # # # # [5065][5064]5064 5065 # # # # - - - - - - - # # seqinfo: 93年从hg19基因组序列(1循环)

有许多的基于范围操作(以后)!

一些细节

• 农庄和朋友使用中定义的数据结构S4Vectors,IRanges
• 这些数据结构可以处理较大数据很容易,例如,1 - 10百万范围
• 基本概念是建立在R的向量和列表;列表实例是实现高效当有长几元素列表。
• 需要一个小习惯,但非常强大

集成容器

一个实验是什么?

• “分析”
  • 感兴趣的x样品
  • 例如,读计数,表达式的值
• 感兴趣的
  • 基因微阵列:probeset或标识符
  • 排序:基因组范围
• 样品
  • 实验inforamtion,反是;
• 整体实验描述
  

为什么集成?

• 避免错误操作数据
• 案例研究:可再生的研究

数据对象

• Biobase::ExpressionSet
  • 化验(exprs ()):矩阵表达式的值
  • 感兴趣的(featureData ();fData ()):probeset或基因标识符
  • 样品(phenoData ();pData ():data.frame的相关信息
  • 实验数据(exptData ()):类的实例MIAME。
• GenomicRanges::SummarizedExperiment
  • 化验(分析(),化验()):任意矩阵像对象
  • 感兴趣的(rowData ()):农庄或GRangesList;使用GRangesList名字和0-length元素代表化验没有范围。
  • 样品(colData ()):DataFrame的相关信息。
  • 实验数据(exptData ()):列表任意的信息。

例子:ExpressionSet(见小插曲Biobase)。

suppressPackageStartupMessages({库(所有)})数据(所有)

# # ExpressionSet (storageMode: lockedEnvironment) # # assayData: 12625功能,128 # #样品元素名称:exprs # # protocolData:没有# # phenoData # # sampleNames: 01005 01010…LAL4 (128) # # varLabels:鳕鱼诊断…日期最后一次看到(21)# # varMetadata: labelDescription # # featureData:没有# # experimentData:使用“experimentData(对象)# # pubMedIds: 14684422 16243790 # #注释:hgu95av2

# #“表现型”(样品)和“特性”数据头(pData(所有)

# #鳕鱼诊断性年龄BT缓解CR日期。cr t (4, 11) (9、22) # # 01005 1005 5/21/1997 53 B2 cr cr 8/6/1997假真# # 01010 1010 3/29/2000 19 B2 cr cr 6/27/2000假假# # 03002 3002 6/24/1998 F 52 B4 cr cr 8/17/1998 NA NA # # 04006 4006 7/17/1997 38 B1 cr cr 9/8/1997真假# # 04007 4007 7/22/1997 57 B2 cr cr 9/17/1997假假# # 04008 4008 7/30/1997 17 B1 cr cr 9/27/1997假假# #阶段。正常citog mol.biol融合蛋白mdr其ccr # # 01005假t (9; 22) BCR / ABL p210 NEG dyploid假# # 01010假简单的alt。NEG < NA > POS dyploid假# # 03002 NA < NA > BCR / ABL p190底片dyploid假# # 04006假t (4, 11) ALL1 / AF4 < NA > NEG dyploid假# # 04007假德尔(6问)底片< NA > NEG dyploid假# # 04008假复杂的alt。NEG < NA >底片hyperd。错误# #复发移植f。u日期最后一次看到死亡# # 01005假真BMT / CR < NA > # # 01010真的假REL 8/28/2000 # # 03002真的假REL 10/15/1999 # # 04006真的假REL 1/23/1998 # # 04007真的假REL 11/4/1997 # # 04008真的假REL 12/15/1997

头(featureNames(所有)

# # [1]“1000 _at”“1001 _at”“1002 _f_at”“1003 _s_at”“1004 _at”“1005 _at”

# #访问pData列;矩阵像构造子集;exprs()[,所有性% %美元“M”)

# # ExpressionSet (storageMode: lockedEnvironment) # # assayData: 12625功能,83 # #样品元素名称:exprs # # protocolData:没有# # phenoData # # sampleNames: 01005 01010…83001 (83)# # varLabels:鳕鱼诊断…日期最后一次看到(21)# # varMetadata: labelDescription # # featureData:没有# # experimentData:使用“experimentData(对象)# # pubMedIds: 14684422 16243790 # #注释:hgu95av2

范围(exprs(所有)

1.984919 - 14.126571 # # [1]

# #(由30%的大多数变量的特性。,genefilter::varFilter) iqr <- apply(exprs(ALL), 1, IQR) ALL[iqr > quantile(iqr, 0.7), ]

# # ExpressionSet (storageMode: lockedEnvironment) # # assayData: 3788功能,128 # #样品元素名称:exprs # # protocolData:没有# # phenoData # # sampleNames: 01005 01010…LAL4 (128) # # varLabels:鳕鱼诊断…日期最后一次看到(21)# # varMetadata: labelDescription # # featureData:没有# # experimentData:使用“experimentData(对象)# # pubMedIds: 14684422 16243790 # #注释:hgu95av2

例子:SummarizedExperiment(见小插曲GenomicRanges)。

suppressPackageStartupMessages({库(气管)})数据(气管)气道

# #类:SummarizedExperiment # #暗淡:64102 8 # # exptData(1):“# # # #化验(1):计数rownames (64102): ENSG00000000003 ENSG00000000005……LRG_98 LRG_99构成了rowData元数据列名(0):# # # # colnames (8): SRR1039508 SRR1039509……SRR1039520 SRR1039521 # # colData名称(9):SampleName细胞……样本BioSample

# #的列和行数据colData(气管)

# # DataFrame 8行9列# # SampleName细胞敏捷albut运行avgLength # # <因素> <因素> <因素> <因素> <因素> <整数> # # SRR1039508 GSM1275862 N61311 untrt untrt SRR1039508 126 # # SRR1039509 GSM1275863 N61311泰爱泰党untrt SRR1039509 126 # # SRR1039512 GSM1275866 N052611 untrt untrt SRR1039512 126 # # SRR1039513 GSM1275867 N052611泰爱泰党untrt SRR1039513 87 # # SRR1039516 GSM1275870 N080611 untrt untrt SRR1039516 120 # # SRR1039517 GSM1275871 N080611泰爱泰党untrt SRR1039517 126 # # SRR1039520 GSM1275874 N061011 untrt untrt SRR1039520 101 # # SRR1039521 GSM1275875 N061011泰爱泰党untrt SRR1039521 98 # #实验样本BioSample # # <因素> <因素> <因素> # # SRR1039508 SRX384345 SRS508568 SAMN02422669 # # SRR1039509 SRX384346 SRS508567 SAMN02422675 # # SRR1039512 SRX384349 SRS508571 SAMN02422678 # # SRR1039513 SRX384350 SRS508572 SAMN02422670 # # SRR1039516 SRX384353 SRS508575 SAMN02422682 # # SRR1039517 SRX384354 SRS508576 SAMN02422673 # # SRR1039520 SRX384357 SRS508579 SAMN02422683 # # SRR1039521 SRX384358 SRS508580 SAMN02422677

rowData(气管)

# # GRangesList对象长度64102:# # $ ENSG00000000003 # 17 #农庄对象范围和2元数据列:# # seqnames范围链| exon_id exon_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]X (99883667、99883667) - 667145 | ENSE00001459322 # # [2] X (99885756、99885756) - | 667146 ENSE00000868868 # # [3] X (99887482、99887482) - | 667147 ENSE00000401072 # # [4] X (99887538、99887538) - | 667148 ENSE00001849132 # # [5] X (99888402、99888402) - | 667149 ENSE00003554016 # #…………………# # [13]X (99890555、99890555) - 667156 | ENSE00003512331 # # [14] X (99891188、99891188) - | 667158 ENSE00001886883 # # [15] X (99891605、99891605) - | 667159 ENSE00001855382 # # [16] X (99891790、99891790) - | 667160 ENSE00001863395 # # [17] X (99894942、99894942) - | 667161 ENSE00001828996 # # # #……# # < 64101多个元素> # # - - - - - - - # # seqinfo: 722(1循环)从一个未指明的基因组序列

# #访问colData;矩阵像构造子集;试验()/化验()气道,气道敏捷美元% %“泰爱泰党”)

# #类:SummarizedExperiment # #暗淡:64102 4 # # exptData(1):“# # # #化验(1):计数rownames (64102): ENSG00000000003 ENSG00000000005……LRG_98 LRG_99构成了rowData元数据列名(0):# # # # colnames (4): SRR1039509 SRR1039513 SRR1039517 SRR1039521 # # colData名称(9):SampleName细胞……样本BioSample

(试验(气管))

# # # # SRR1039508 SRR1039509 SRR1039512 SRR1039513 SRR1039516 ENSG00000000003 679 448 873 408 1138 # # ENSG00000000005 0 0 0 0 0 # # ENSG00000000419 467 515 621 365 587 260 211 263 164 245 # # ENSG00000000457 60 55 40 35 78 # # # # ENSG00000000460 ENSG00000000938 0 0 2 0 1 # # SRR1039517 SRR1039520 SRR1039521 # # # # ENSG00000000005 ENSG00000000003 1047 770 572 0 0 0 # # ENSG00000000419 799 417 508 331 233 229 # # ENSG00000000457 60 # # # # ENSG00000000460 63 76 ENSG00000000938 0 0 0

化验(气管)

# # 1 # #名长度的列表(1):

# #库大小colSums(化验(气管))

# # SRR1039508 SRR1039509 SRR1039512 SRR1039513 SRR1039516 SRR1039517 # # 20637971 18809481 25348649 18809481 20637971 30818215 # # SRR1039520 SRR1039521 # # 19126151 21164133

嘘(rowMeans (log10(化验(气管))))

实验室

GC含量

1. 计算的GC含量人类chr1 hg19构建、排除地区序列是“N”。您将需要

   1. 加载BSgenome.Hsapiens.UCSC.hg19
   2. 提取、使用[[1号染色体(“chr1”)。< !-]]- >
   3. 使用alphabetFrequency ()计算数或在chr1核苷酸频率
   4. 使用标准R函数计算GC含量。

   库(BSgenome.Hsapiens.UCSC.hg19)

   # # # #加载所需的包:BSgenome加载所需的包:rtracklayer

   chr1seq < - BSgenome.Hsapiens.UCSC。“chr1”hg19 [[]] chr1alf < - alphabetFrequency (chr1seq) chr1gc < - sum (chr1alf [c (“G”、“c”)]) /笔(chr1alf [c (“A”、“c”、“G”、“T”)))

2. 计算的外显子组的GC含量chr1(约,所有基因的区域)。您将需要

   1. 加载TxDb.Hsapiens.UCSC.hg19.knownGene包中。
   2. 使用基因()提取基因的基因区域,然后构造子集操作限制染色体1。
   3. 使用getSeq, BSgenome-method提取序列的染色体1 BSgenome对象。
   4. 使用alphabetFrequency ()(论点崩溃= TRUE-为什么?)和标准R操作提取的gc含量的基因。

   库(TxDb.Hsapiens.UCSC.hg19.knownGene)基因(TxDb.Hsapiens.UCSC.hg19.knownGene) genes1 < < -基因-基因(seqnames(基因)% % " chr1 "] seq1 < - getSeq (BSgenome.Hsapiens.UCSC。hg19 genes1) alf1 < - alphabetFrequency (seq1崩溃= TRUE) gc1 < - sum (alf1 [c (“G”、“c”)]) /笔(alf1 [c (“A”、“c”、“G”、“T”)))

   如何GC含量只是计算比较每个外显子的GC含量的平均值?回答这个使用alphabetFrequency ()但随着崩溃= FALSE)和调整GC的计算内容采取行动在一个矩阵,而不是向量。为什么这些数字不同?

   alf2 < - alphabetFrequency (seq1崩溃= FALSE) gc2 < - rowSums (alf2 [c (“G”、“c”)]) / rowSums (alf2 [c (“A”、“c”、“G”、“T”)))

3. 画一个柱状图的每个基因GC含量,注释与染色体和外显子组GC内容的信息。使用基本的图形嘘(),abline (),情节(密度(…)),情节(ecdf (…))等(下图)就是一个例子。如果这是太简单了,准备一个简短的陈述为类说明如何使用另一个想象这种类型的信息R图形包,例如,ggplot2,{r CRANpkg (“ggvis”),或者{r CRANpkg(晶格)}。

   情节(密度(gc2) abline (v = c (chr1gc gc1)坳= c(“红”、“蓝色”)、lwd = 2)

   

集成容器

这个练习说明集成容器可以用于有效地管理数据;它不代表一个合适的方法来分析RNASeq微分表达数据。

1. 加载气道包和气道数据集。探索一些,例如,确定其尺寸(利息和样本数量的地区),描述样本的信息,和值的范围数化验。数据来自一个RNA-seq实验。的colData ()描述治疗组和其他信息。的分析()(生)短的读取次数重叠感兴趣的每个地区,每个样本。总结了解决这个练习。

2. 创建数据集的一个子集,只包含30%的大多数变量(使用差作为度量)的观察。情节的分布asinh-transformed(变换合成测井曲线,除了接近0)行意味着计数

   差< -应用(化验(气管),1位差)airway1 < -气道(iqr >分位数(位差,0.7)]阴谋(密度(rowMeans(双曲正弦(化验(airway1)))))

   

3. 使用genefilter包rowttests函数(参考帮助页面!)来比较两者之间asinh-transformed读计数敏捷治疗组为每一行。探索各种方式的结果,例如,找到“最”的差异表达基因,这些基因与最大(绝对)治疗组之间的区别,增加调整P值(通过p.adjust (),在统计数据包)等。你能获得每个治疗组的阅读数量,大多数差异表达基因?

   suppressPackageStartupMessages({库(genefilter)}) tt < - rowttests(双曲正弦(化验(airway1)), airway1敏捷美元)tt $ p。的< - p.adjust (tt $ p。值,方法=“黑洞”)tt(头(订单(tt p.adj美元)),)

   # #统计dm p。值p。的# # ENSG00000179593 24.61562 5.463536 2.956680 0.005671209 e-07 # # ENSG00000101342 15.22622 2.697598 5.065386 0.014773935 e-06 # # ENSG00000101347 15.69846 2.485261 4.233805 0.014773935 e-06 # # ENSG00000134253 -15.46740 -1.483468 4.619047 0.014773935 e-06 # # ENSG00000143494 -14.93364 -2.760705 5.675890 0.014773935 e-06 # # ENSG00000152583 17.03482 3.054983 2.617828 0.014773935 e-06

   split(化验(airway1)[秩序(tt p.adj美元)[1],],airway1敏捷美元)

   # # # # $泰爱泰党SRR1039509 SRR1039513 SRR1039517 SRR1039521 # # # # # # 213 81 87 129 untrt # # SRR1039508 SRR1039512 SRR1039516 SRR1039520 # # 0 0 0 0

4. 添加统计的微分表达式airway1SummarizedExperiment。确认添加了统计数据。

   mcols构成了rowData (airway1)) (< - tt头(mcols (airway1))

   # # DataFrame 6行4列# #统计dm p。值p。的# # <数字> <数字> <数字> <数字> # # 1 # # 2 0.09683305 0.01803387 0.92601249 -0.38927224 0.15444536 0.6325992 -1.62895587 -0.67163380 0.9799343 # # 3 # # 4 -0.81787455 -0.16759915 0.44468651 -0.09939038 0.52681603 0.8637800 0.55526482 0.8286889 # # 5 # 6 # -2.55199111 -0.29224482 0.04337408 0.17003218 0.59878922 0.8865085 0.4154906

资源

• 网站——安装、学习、使用、发展R/Bioconductor包
• 支持——寻求帮助和指导;也
• biocViews——发现包
• 包登陆页面,如GenomicRanges,包括标题、描述、作者、安装说明、小品文(例如,GenomicRanges”如何”),等等。
• 课程和其他帮助材料(如视频、EdX,社区博客、…)

出版物(通用Bioconductor)

• Lawrence M, Huber W,页面H, Aboyoun P,卡尔森M, et al .(2013)软件计算和注释基因组范围。公共科学图书馆第一版杂志9 (8):e1003118。doi:10.1371 / journal.pcbi.1003118

其他

• Lawrence m . 2014。为使基因组数据分析软件。Bioc2014会议幻灯片。