实验1.3:开始分析
2019年7月22日
内容
原作者:马丁·摩根
展示作者:马丁•摩根，Lori牧羊人
时间:2019年7月22日
回:周一实验室
客观的中可用软件的概述Bioconductor。
经验教训：
- 如何发现凹口而且Bioconductor包
- 寻找小插曲、工作流程和教程
- 探索现有的分析
- 处理您自己的数据
- 如何获得帮助
1Bioconductor
分析和理解高通量基因组数据
- 统计分析:大数据、技术人工制品、设计实验;严格的
- 理解:生物语境，可视化，再现性
- 高通量
- 测序:RNASeq, ChIPSeq，变体，拷贝号，…
- 微阵列:表达，SNP，…
- 流式细胞术，蛋白质组学，图像，…
2包
2.1找到包
特定领域的分析
锻炼
- 请访问所有的包。
- 使用左上角的“Search biocViews”框来识别已标记用于RNASeq分析的包。探索其他分析，如ChIPSeq，表观遗传学，VariantAnnotation，蛋白质组学，单细胞等。通过扩展和收缩单个术语来探索软件包图。
- 回到RNASeq。两个非常流行的软件包是DESeq2和edgeR。访问其中一个包的“登录页”。登陆页面有标题、作者、引用使用包的说明等。
- 简要探索小插图和参考手册链接。你什么时候会查阅小插图?参考手册什么时候有用?
Bioconductor为处理基因组数据提供“基础设施”。我们将在本实验室后面的部分中更详细地探讨其中一些。现在……
锻炼
- 访问的登陆页Biostrings，GenomicRanges，VariantAnnotation,GenomicAlignments包。创建一个简短的摘要，描述每个包的功能，以及它何时可能有用。
- 的登录页面SummarizedExperiment包中。这个包旨在提供一种数据表示方式，以协调的方式帮助管理“化验”(例如，RNASeq计数的基因x样本矩阵)和行(例如，基因组坐标，p值)和列(例如，样本表)。简要回顾面向用户的小插图(“协调实验分析、样品和感兴趣区域的总结实验”)，以了解如何使用这个包。
- 的登录页面rtracklayer包中。从参考手册上看，什么时候会各种各样
进口()而且export ()功能是有用的?
注释包以数据(而不是软件)为中心，提供关于不同标识符、基因模型、参考基因组等之间关系的信息。
锻炼
- 在页面列表中所有的包，单击AnnotationData顶层术语。
使用右边的方框搜索以以下字母开头的注释包，以了解可用的包和生物。
org . *:符号映射TxDb。*而且EnsDb。*:基因模型BSgenome。*:参考基因组
我们将在后续的实验室中看到大量额外的注释资源，包括更新的EnsDb和参考基因组AnnotationHub。
工作流包旨在提供对需要几个不同包的工作流的全面介绍。这些可以是相当广泛的文件，提供非常丰富的信息来源。
锻炼
- 简要探索“简单单细胞”工作流(或其他与您感兴趣的领域相关的工作流)，以了解工作流所涵盖的内容。
2．2安装包
很可能本课程所需的包已经安装。尽管如此，了解如何安装其他软件包还是很有用的。
Bioconductor有一种使包可用的特殊方法。我们有一个“开发”分支，用于引入新的包和特性，还有一个“发布”分支，用户可以访问稳定的包。每六个月，在春季和秋季，当前的“devel”版本的包被分支成为下一个“release”版本。一个版本中的包是相互测试的，所以安装来自同一个版本的包是很重要的。的BiocManagerPackage试图简化这一过程。
包安装的第一步是确保BiocManager软件包已使用标准安装R程序。
如果(!需要(BiocManager))安装。包("BiocManager", repos = "https://cran.r-project.org")然后，安装您想要使用的软件包
BiocManager:安装(c(“Biostrings”、“GenomicRanges”))BiocManager知道如何安装CRAN和github包，太。
安装包时会遇到几个常见的问题。通常，安装包的方法与这里推荐的方法不同，而且包来自不同的地方Bioconductor版本。当来自不同版本的包彼此不兼容时，这就会导致问题。
锻炼验证您的包是最新的，并且是从相同的包中安装的Bioconductor发布与
BiocManager:有效的()两个常见的问题是，有些包太旧(包的新版本存在)或太新(有些包已经使用其他方法安装BiocManager)．如果有太旧或太新的包，遵循来自的说明几乎总是一个好主意BiocManager:有效的()纠正这种情况。
2．3加载和使用包
的每个版本只需要安装一次包R你使用，但需要是加载为每个新R您开始的会话。使用以下命令加载包
库(Biostrings)当一个包被加载时，它有时会生成仅为信息性的消息，如果您确信这是您所加载的包的情况，请使用suppressPackageStartupMessages ()想要更安静的体验:
suppressPackageStartupMessages({library(genome icranges) library(genome icalignments)})锻炼探索包装小插图通常是很有帮助的。欧洲杯2021体育彩票
参观小插图DESeq2包，并通过几个步骤来理解小插图提供了什么，包括从包开始的说明、包提供的功能、实现的数学和统计细节，以及包提供的分析如何被其他包扩展Bioconductor生态系统。您可以通过RStudio访问小插图，或者通过运行诸如
browseVignettes("DESeq2")大多数小插曲都是这样写的R小插图的代码必须正确地制作小插图。代码本身可以在包中获得。找到DESeq2小插图的代码
dir(系统。文件(包= " DESeq2”、“医生”))“DESeq2.html”“DESeq2.html”R”“DESeq2。Rmd" "index.html"vign < -系统。文件(包= " DESeq2”、“医生”、“DESeq2.R”)在RStudio中打开它(例如，使用File -> open File…菜单)，步骤通过的前几行R编码并将您的输出与小插图中的输出进行比较。或者，使用该命令在小插图中运行整个分析
source(vign, echo = TRUE, max。=正行)
锻炼帮助页面为特定函数的使用提供了更集中的说明。这通常是欺骗
加载Biostrings包
库(Biostrings)在函数上寻找帮助
letterFrequency ()使用命令letterFrequency ?的后面有TAB补全
?还有命令的前几个字母。帮助页面相当复杂，记录了几种不同的功能。在“描述”部分，找到什么描述
letterFrequency ()所做的事。在“用法”部分，找到可以使用的参数letterFrequency ()，试着去理解，从参数分段每个参数可能是什么，或者它如何影响计算。的价值类的返回值letterFrequency ()函数。有时一个例子胜过千言万语。您能否在帮助页面的末尾运行示例的前两个部分(用于
alphabetFrequency ()而且letterFrequency ()为了更好地理解letterFrequency ()函数工作?
3.得到帮助
从哪里获得帮助?
- 来自用户的大多数问题:https://support.bioconductor.org
你能在什么方面得到帮助?
- 如何使用软件的问题
- 结果的统计解释
- 但不是:广泛的统计咨询，例如，先进的实验设计。最佳来源:当地专家和合作者。
如何问一个好问题
简化为几行R代码。
必须由别人管理吗
- 使用内置数据集或简单的模拟
- 不要在系统中引用文件!
包括的输出
sessionInfo ()这通常显示出软件包过期的问题。
锻炼访问支持站点并回顾最近的五个问题。从上面提供的指导方针中，你认为哪些是“好的”?哪些得到了有用的答案?你能弄清楚回答这个问题的人是谁吗?也就是说，为什么他们认为自己知道答案?
4序列分析旅行团
这个非常开放的话题指向了一些最突出的问题Bioconductor用于序列分析的包。利用这个实验室的机会探索下面突出显示的包小插图和帮助页面;欧洲杯2021体育彩票许多材料将在后续的实验和讲座中更详细地介绍。
基础知识
- Bioconductor包列在biocViews页面。每个包都有与之关联的“biocViews”(来自受控词汇表的标签);可以搜索这些包以识别适当标记的包，包的标题和作者也是如此。
- 每个包都有一个“登陆页”，例如forGenomicRanges。访问这个登录页面，注意描述、作者和安装说明。软件包通常写在科学文献中，如果有的话，相应的引用会出现在登录页上。在登陆页面上还有小插图和参考手册的链接，在底部还有跨平台可用性和下载统计数据的说明。
- 使用登录页面上的说明，一个包需要安装一次。一旦安装，包可以加载到R会话和帮助系统的交互查询，如上所述:
库(GenomicRanges)help(package=" genome icranges ") vignette(package=" genome icranges ") vignette(package=" genome icranges "， " genome icrangeshowtos ")特定于领域的分析——探索以下两个或三个包的登陆页、小插图和参考手册。
- 用于差分表达式分析的重要包包括刨边机而且DESeq2；两者都有很好的探索小插曲。附加的研究方法体现在Bioconductor包可以通过访问biocViews网页，搜索“差异化表达”视图术语，并通过搜索“RNA seq”和类似的缩小选择范围。
- 单细胞组学越来越重要。从biocViews页，在“搜索表”字段中输入“单单元格”。检查单细胞的工作流有关关键软件包的概述。
- 流行的ChIP-seq包包括DiffBind而且csaw为了比较样本间的峰值，ChIPQC为质量评估，和ChIPpeakAnno而且ChIPseeker用于注释结果(例如，发现附近的基因)。列出了哪些其他ChIP-seq包biocViews页面?
- 使用被调用的变量(VCF文件)可以通过诸如VariantAnnotation，VariantFiltering,ensemblVEP；调用变量的包包括，例如，h5vc而且VariantTools。
- 有几个包从序列数据识别拷贝号变体，包括cn.mops；从biocViews页，还有哪些拷贝号包可用?的CNTools包提供了一些有用的工具来比较跨样本的段。
- 微生物组和宏基因组分析可以通过诸如phyloseq而且metagenomeSeq。
- 代谢组学、化学信息学、图像分析和许多其他高通量分析领域也在Bioconductor；通过biocViews和标题搜索来探索这些。
处理序列、对齐、常见的web文件格式和原始数据;这些方案非常依赖于IRanges/GenomicRanges我们将在后面的课程中遇到基础设施。
- 的Biostrings包用于表示DNA和其他序列，具有许多方便的序列相关功能。查看帮助页上记录的功能
consensusMatrix ?为例。也可以查看BSgenome用于处理全基因组序列的软件包，例如，?”getSeq BSgenome-method” - 的GenomicAlignments包用于输入与参考基因组对齐的读取。例如，参见
readGAlignments ?帮助页面,vigentte(包=“GenomicAlignments”、“summarizeOverlaps”) - 的rtracklayer
进口而且出口函数可以读取许多常见的文件类型，例如BED, WIG, GTF，…，除了查询和导航UCSC基因组浏览器。检查进口吗?页的基本用法。 - 的ShortRead而且Rsamtools包可以分别用于对FASTQ和BAM文件的低级访问。
- 许多基因组数据文件非常大。我们将探讨的策略限制(只在文件中输入一些数据)和迭代(按块读取文件，而不是整个文件)，以便在其他实验室中处理大数据。
注释:Bioconductor提供对“注释”资源的广泛访问(参见AnnotationDatabiocViews层次结构);这些在周四的实验中有更详细的介绍，但在实验中有一些有趣的例子可以探索，包括:
- biomaRt，PSICQUIC，KEGGREST和其他用于查询在线资源的包;每一本书都有翔实的小插曲。
- AnnotationDbi是基石吗注释数据包提供的Bioconductor。
- org包(例如,org.Hs.eg.db)包含不同基因标识符之间的映射，例如ENTREZ和SYMBOL。帮助页中描述了这些包的基本接口
选择吗? - TxDb包(例如,TxDb.Hsapiens.UCSC.hg38.knownGene)包含基因模型(外显子坐标、外显子/转录本关系等)，这些模型来自于常见的来源，如UCSC基因组浏览器的hg38 knownGene轨迹。可以查询这些包，例如，如
exonsBy ?页检索所有按基因或转录分组的外显子。 - EnsDb软件包和数据库(例如:EnsDb.Hsapiens.v86)提供类似于TxDb包的基因模型，还提供蛋白质注释(蛋白质序列和其中的蛋白质域)和其他注释列，例如
“gene_biotype”orgydF4y2Ba“tx_biotype”定义生物型特征(如lincRNA，蛋白编码，miRNA等)。EnsDb数据库是为运用注释并包含针对特定ensemble版本的所有基因(蛋白质编码和非编码)的注释。 - BSgenome包(例如,BSgenome.Hsapiens.UCSC.hg38)包含模式生物的整个基因组。
- org包(例如,org.Hs.eg.db)包含不同基因标识符之间的映射，例如ENTREZ和SYMBOL。帮助页中描述了这些包的基本接口
- VariantAnnotation而且ensemblVEP提供对序列注释功能的访问，例如，识别编码变体;看到介绍VariantAnnotation小插图作简要介绍;我们会在周四的实验室里再讲这个。
- 快速浏览一下(在其他实验室有更多的活动)注释工作流程在Bioconductor网站。
大量的Bioconductor除了单个包提供的功能外，包还有助于可视化和报告。
- Gviz提供基因组区域的轨迹可视化;它有一个惊人的小插曲。
- ComplexHeatmap对各种各样的热图都做了惊人的工作，包括oncopprint风格的摘要。
- ReportingTools提供了一种生成静态和动态基于html的报表的灵活方法。
5结束问题
5.1会话信息
sessionInfo ()## R版本3.6.1 Patched (2019-07-16 r76845) ##平台:x86_64-apple-darwin17.7.0(64位)##运行在:macOS High Sierra 10.13.6 ## ## Matrix products: default ## BLAS: /Users/ma38727/bin/R-3-6-branch/lib/libRblas. #dylib ## LAPACK: /Users/ma38727/bin/R-3-6-branch/lib/libRlapack。dylib # # # #语言环境:# # [1]en_US.UTF-8 / en_US.UTF-8 en_US.UTF-8 / C / en_US.UTF-8 / en_US。UTF-8 ## ##附加的基本包:## [1]stats4 parallel stats graphics grDevices utils datasets ## [8] methods base ## ##其他附加的包:## [9] Biobase_2.45.0 genomics icranges_1 .37.14 ## [9] GenomeInfoDb_1.21.1 Biostrings_2.53.2 ## [11] XVector_0.25.0 IRanges_2.19.10 ## [13] S4Vectors_0.23.17 BiocGenerics_0.31.5 ## [15] BiocStyle_2.13.2 ## ##通过命名空间加载(并没有附加):## [1] Rcpp_1.0.1 knitr_1.23 magrittr_1.5 ## [4] zlibbioc_1.31.0 lattice_0.20-38 string_1 .4.0 ## [7] tools_3.6.1 grid_3.6.1 xfun_0.8 ## [10] htmltools_0.3.6 yaml_2.2.0 digest_0.6.20 ## [13] bookdown_0.12 Matrix_1.2-17 GenomeInfoDbData_1.2.1 ## [16] BiocManager_1.30.4 bitops_1.0-6 codetools_0.2-16 ## [19] RCurl_1.95-4.12 evaluate_0.14 rmarkdown_1.14 ## [22] stringi_1.4.3 compiler_3.6.15.2确认
本教程中报告的研究得到了美国国家人类基因组研究所和美国国立卫生研究院国家癌症研究所的支持，资助号为U41HG004059和U24CA180996。
该项目已获得欧洲研究理事会(ERC)在欧盟“地平线2020”研究与创新计划(资助协议编号633974)下的资助。