GDAS006-深入理解SummarizedExperiment類(lèi)


title: GDAS006-深入理解SummarizedExperiment類(lèi)
date: 2019-09-05 12:0:00
type: "tags"
tags:

  • Bioconductor
    categories:
  • Genomics Data Analysis Series

前言

在數(shù)據(jù)管理部分,我們應(yīng)用summarizeOverlaps 來(lái)管理RNAseqData.HNRNPC.bam.chr14中的BAM文件≈匣冢現(xiàn)在我們?cè)俅蝸?lái)操作一下瓢对。

使用SummarizedExperiment來(lái)管理BAM文件

library(RNAseqData.HNRNPC.bam.chr14)
bfp = RNAseqData.HNRNPC.bam.chr14_BAMFILES
library(Rsamtools)
bfl = BamFileList(file=bfp)
hnrnpcLoc = GRanges("chr14", IRanges(21677296, 21737638))
library(GenomicAlignments)
library(BiocParallel)
register(SerialParam())
hnse = summarizeOverlaps(hnrnpcLoc,bfl)
hnse
## class: RangedSummarizedExperiment 
## dim: 1 8 
## metadata(0):
## assays(1): counts
## rownames: NULL
## rowData names(0):
## colnames(8): ERR127306 ERR127307 ... ERR127304 ERR127305
## colData names(0):

hnseRangedSummarizedExperiment 類(lèi)的一實(shí)例照捡。這個(gè)類(lèi)就類(lèi)似于 ExpressionSet ,不過(guò)有著更多的內(nèi)容來(lái)管理元數(shù)據(jù)叠萍,它的流程如下所示:

plot of chunk lkseee

有效地使用SummarizedExperiment實(shí)例涉及學(xué)習(xí)它的一些方法负敏。為了獲取HNRNPC基因的讀長(zhǎng)/區(qū)域(read/region)霞掺,我們可以使用assay方法砸紊,如下所示:

assay(hnse)
##      ERR127306 ERR127307 ERR127308 ERR127309 ERR127302 ERR127303 ERR127304
## [1,]      5422      6320      5896      5558       172       196       316
##      ERR127305
## [1,]       282

以上就是最基本的結(jié)果表示方法传于。列名則是樣本標(biāo)識(shí)符,但是有關(guān)區(qū)域檢查的一些信息則已經(jīng)丟失批糟。

SummarizedExperiment中的元數(shù)據(jù)

hnse 對(duì)象還有一些其它的信息格了,如下所示:

rowRanges(hnse)
## GRanges object with 1 range and 0 metadata columns:
##       seqnames               ranges strand
##          <Rle>            <IRanges>  <Rle>
##   [1]    chr14 [21677296, 21737638]      *
##   -------
##   seqinfo: 1 sequence from an unspecified genome; no seqlengths
seqinfo(hnse)
## Seqinfo object with 1 sequence from an unspecified genome; no seqlengths:
##   seqnames seqlengths isCircular genome
##   chr14            NA         NA   <NA>
metadata(hnse)
## list()

我們還可以進(jìn)一步分析差異信息,從而輸出更多徽鼎,更廣泛的信息盛末。

通過(guò)添加輸入信息來(lái)更有效地生成SummarizedExperiment

使用元數(shù)據(jù)定義感興趣的區(qū)域

We have seen that it is sufficient to define a single GRanges to drive summarizeOverlaps over a set of BAM files. We’d like to preserve more metadata about the regions examined. We’ll use the TxDb infrastructure, to be described in more detail later, to get a structure defining gene regions on chr14. We’ll also use the Homo.sapiens annotation package to add gene symbols.

library(TxDb.Hsapiens.UCSC.hg19.knownGene)
txdb = TxDb.Hsapiens.UCSC.hg19.knownGene
gr14 = genes(txdb, vals=list(tx_chrom="chr14"))
## Warning: 'elementLengths' is deprecated.
## Use 'elementNROWS' instead.
## See help("Deprecated")

## Warning: 'elementLengths' is deprecated.
## Use 'elementNROWS' instead.
## See help("Deprecated")
gr14$symbol = mapIds(Homo.sapiens, keys=gr14$gene_id, keytype="ENTREZID",
   column="SYMBOL")
## 'select()' returned 1:1 mapping between keys and columns
gr14
## GRanges object with 781 ranges and 2 metadata columns:
##             seqnames                 ranges strand |     gene_id
##                <Rle>              <IRanges>  <Rle> | <character>
##       10001    chr14 [ 71050957,  71067384]      - |       10001
##   100113389    chr14 [ 45580078,  45580176]      + |   100113389
##   100113391    chr14 [ 20794600,  20794698]      - |   100113391
##   100124539    chr14 [ 91592770,  91592896]      + |   100124539
##   100126297    chr14 [101507700, 101507781]      + |   100126297
##         ...      ...                    ...    ... .         ...
##        9870    chr14 [ 75127955,  75179807]      - |        9870
##        9878    chr14 [ 21945335,  21967319]      + |        9878
##        9895    chr14 [102829300, 102968818]      + |        9895
##        9950    chr14 [ 93260650,  93306304]      + |        9950
##        9985    chr14 [ 24641234,  24649463]      + |        9985
##                  symbol
##             <character>
##       10001        MED6
##   100113389    SNORD127
##   100113391    SNORD126
##   100124539    SNORA11B
##   100126297      MIR300
##         ...         ...
##        9870       AREL1
##        9878        TOX4
##        9895      TECPR2
##        9950      GOLGA5
##        9985        REC8
##   -------
##   seqinfo: 93 sequences (1 circular) from hg19 genome

定義BAM文件的樣本信息

現(xiàn)在我們有三個(gè)樣本,一個(gè)用于控制否淤,兩個(gè)用于敲低悄但。我們使用GenomicFiles來(lái)綁定樣本信息的元數(shù)據(jù),如下所示:

char = rep(c("hela_wt", "hela_hkd"), each=4)
bff = GenomicFiles(files=path(bfl))
colData(bff)$condition = char
sid = c(1,1,1,1,2,2,3,3)
bff$sample = sid
bff
## GenomicFiles object with 0 ranges and 8 files: 
## files: ERR127306_chr14.bam, ERR127307_chr14.bam, ..., ERR127304_chr14.bam, ERR127305_chr14.bam 
## detail: use files(), rowRanges(), colData(), ...

比較讀長(zhǎng)覆蓋區(qū)石抡,保留元數(shù)據(jù)

我們來(lái)查看5個(gè)基因檐嚣,其中就包括HNRNPC。當(dāng)計(jì)算后啰扛,我們會(huì)將樣本信息再綁定回結(jié)果嚎京,如下所示:

hnse = summarizeOverlaps(gr14[c(1:4,305)],files(bff))
colData(hnse) = cbind(colData(hnse), colData(bff))
hnse
## class: RangedSummarizedExperiment 
## dim: 5 8 
## metadata(0):
## assays(1): counts
## rownames(5): 10001 100113389 100113391 100124539 3183
## rowData names(2): gene_id symbol
## colnames(8): ERR127306 ERR127307 ... ERR127304 ERR127305
## colData names(2): condition sample
assay(hnse)
##           ERR127306 ERR127307 ERR127308 ERR127309 ERR127302 ERR127303
## 10001           114       156       129       144       175       213
## 100113389         0         0         0         0         0         0
## 100113391         0         0         0         0         0         0
## 100124539         0         0         0         0         0         0
## 3183           2711      3160      2948      2779        86        98
##           ERR127304 ERR127305
## 10001           210       165
## 100113389         0         0
## 100113391         0         0
## 100124539         0         0
## 3183            158       141

從上面我們可以看出,行標(biāo)識(shí)符是隨計(jì)數(shù)矩陣一起出現(xiàn)的隐解,現(xiàn)在我們繪制出這幾個(gè)基因的箱線圖鞍帝,如下所示:

par(mfrow=c(2,2))
for (i in 2:5) {
  boxplot(assay(hnse)[i,]~hnse$condition, ylab=rowRanges(hnse)$symbol[i])
}
plot of chunk lkbo

從ExpressionSet提取數(shù)據(jù)

從ExpressionSet中提取數(shù)據(jù)很容易,但是還需要基于基因組范圍查詢(xún)的陣列探針的子集煞茫,如下所示:

library(ALL)
data(ALL)
allse = makeSummarizedExperimentFromExpressionSet(ALL)
allse
## class: RangedSummarizedExperiment 
## dim: 12625 128 
## metadata(3): experimentData annotation protocolData
## assays(1): exprs
## rownames(12625): 1000_at 1001_at ... AFFX-YEL021w/URA3_at
##   AFFX-YEL024w/RIP1_at
## rowData names(0):
## colnames(128): 01005 01010 ... 83001 LAL4
## colData names(21): cod diagnosis ... f.u date.last.seen
rowRanges(allse)
## Warning: 'elementLengths' is deprecated.
## Use 'elementNROWS' instead.
## See help("Deprecated")
## GRangesList object of length 12625:
## $$1000_at 
## GRanges object with 0 ranges and 0 metadata columns:
##    seqnames    ranges strand
##       <Rle> <IRanges>  <Rle>
## 
## $$1001_at 
## GRanges object with 0 ranges and 0 metadata columns:
##      seqnames ranges strand
## 
## $$1002_f_at 
## GRanges object with 0 ranges and 0 metadata columns:
##      seqnames ranges strand
## 
## ...
## <12622 more elements>
## -------
## seqinfo: no sequences

總結(jié)

RangedSummarizedExperiment類(lèi)實(shí)例化了一些Bioconductor數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)的一些關(guān)鍵原則:

  • 基于樣本特征的數(shù)據(jù)分析和元數(shù)據(jù)分析帕涌,并將它們以某種方式綁定在一起。
  • 類(lèi)似于矩陣的子集直接用于分析和樣本數(shù)據(jù)分析续徽。
  • 基于范圍的子集設(shè)置適用于可通過(guò)基因組坐標(biāo)尋址的分析蚓曼。
  • 可以在mcol中提供關(guān)鍵分析特征的任意元數(shù)據(jù)(rowRanges(se))。
  • 可以通過(guò)metadata(se)<- 來(lái)添加任何元數(shù)據(jù)钦扭。

在后面的內(nèi)容里我們還將會(huì)了解更多的關(guān)于SummarizedExperiment改造的一些數(shù)據(jù)結(jié)構(gòu)纫版,從而用于專(zhuān)門(mén)用于RNA-seq的多個(gè)階段處理和數(shù)據(jù)分析。

參考資料

  1. SummarizedExperiment class in depth
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末土全,一起剝皮案震驚了整個(gè)濱河市捎琐,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌裹匙,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,013評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件末秃,死亡現(xiàn)場(chǎng)離奇詭異概页,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)练慕,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)惰匙,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)技掏,“玉大人,你說(shuō)我怎么就攤上這事项鬼⊙剖幔” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,370評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵绘盟,是天一觀的道長(zhǎng)鸠真。 經(jīng)常有香客問(wèn)我,道長(zhǎng)龄毡,這世上最難降的妖魔是什么吠卷? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,168評(píng)論 1 278
  • 正文 為了忘掉前任,我火速辦了婚禮沦零,結(jié)果婚禮上祭隔,老公的妹妹穿的比我還像新娘。我一直安慰自己路操,他們只是感情好疾渴,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著屯仗,像睡著了一般搞坝。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上祭钉,一...
    開(kāi)封第一講書(shū)人閱讀 48,954評(píng)論 1 283
  • 那天瞄沙,我揣著相機(jī)與錄音,去河邊找鬼慌核。 笑死距境,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的垮卓。 我是一名探鬼主播垫桂,決...
    沈念sama閱讀 38,271評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼粟按!你這毒婦竟也來(lái)了诬滩?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 36,916評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤灭将,失蹤者是張志新(化名)和其女友劉穎疼鸟,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體庙曙,經(jīng)...
    沈念sama閱讀 43,382評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡空镜,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評(píng)論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片吴攒。...
    茶點(diǎn)故事閱讀 37,989評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡张抄,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出洼怔,到底是詐尸還是另有隱情署惯,我是刑警寧澤,帶...
    沈念sama閱讀 33,624評(píng)論 4 322
  • 正文 年R本政府宣布镣隶,位于F島的核電站冕象,受9級(jí)特大地震影響瞬项,放射性物質(zhì)發(fā)生泄漏又固。R本人自食惡果不足惜觉阅,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望嗜闻。 院中可真熱鬧蜕依,春花似錦、人聲如沸琉雳。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,199評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)翠肘。三九已至檐束,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間束倍,已是汗流浹背被丧。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,418評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留绪妹,地道東北人甥桂。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2 352
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像邮旷,于是被迫代替她去往敵國(guó)和親黄选。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容