本文首發(fā)于公眾號(hào)“生信補(bǔ)給站”憔儿，https://mp.weixin.qq.com/s/WG4JHs9RSm5IEJiiGEzDkg

之前介紹了使用maftools | 從頭開(kāi)始繪制發(fā)表級(jí)oncoplot（瀑布圖） R-maftools包繪制組學(xué)突變結(jié)果（MAF）的oncoplot或者叫“瀑布圖”耀里，以及一些細(xì)節(jié)的更改和注釋咙鞍。

本文繼續(xù)介紹maftools對(duì)于MAF文件的其他應(yīng)用孵奶，為更易理解和重現(xiàn)载绿，本次使用TCGA下載的LIHC數(shù)據(jù)冀自。

一 數(shù)據(jù)部分

setwd("C:\\Users\\Maojie\\Desktop\\maftools-V2\\")
library(maftools)
laml.maf = read.csv("TCGA.LIHC.mutect.maf.csv",header=TRUE) 

#本次只展示maf的一些統(tǒng)計(jì)繪圖余境，只讀入組學(xué)數(shù)據(jù)，不添加臨床數(shù)據(jù)
laml = read.maf(maf = laml.maf)
#查看數(shù)據(jù)的基本情況
laml
An object of class  MAF 
                        ID summary   Mean Median
 1:             NCBI_Build       1     NA     NA
 2:                 Center       1     NA     NA
 3:                Samples     364     NA     NA
 4:                 nGenes   12704     NA     NA
 5:        Frame_Shift_Del    1413  3.893      3
 6:        Frame_Shift_Ins     551  1.518      1
 7:           In_Frame_Del     277  0.763      0
 8:           In_Frame_Ins     112  0.309      0
 9:      Missense_Mutation   28304 77.972     63
10:      Nonsense_Mutation    1883  5.187      4
11:       Nonstop_Mutation      45  0.124      0
12:            Splice_Site    1051  2.895      2
13: Translation_Start_Site      65  0.179      0
14:                  total   33701 92.840     75

可以將MAF文件的gene 肥惭，sample的 summary 的信息牵囤，輸出到laml前綴的summary文件

write.mafSummary(maf = laml, basename = 'laml')

laml_geneSummary.txt

img

laml_sampleSummary.txt

img

二 繪圖部分

1,首先繪制MAF文件的整體結(jié)果圖

plotmafSummary(maf = laml, rmOutlier = TRUE, addStat = 'median', dashboard = TRUE, titvRaw = FALSE)

img

2,oncoplot圖

#oncoplot for top ten mutated genes.
oncoplot(maf = laml, top = 20)

img

添加SCNA信息，添加P值信息，添加臨床注釋信息，更改顏色等可參考 鏈接 。稳强。

3 Oncostrip

可以使用 oncostrip 函數(shù)展示特定基因在樣本中的突變情況褒繁，此處查看肝癌中關(guān)注較多的'TP53','CTNNB1', 'ARID1A'三個(gè)基因，如下：

oncostrip(maf = laml, genes = c('TP53','CTNNB1', 'ARID1A'))

img

4 Transition ， Transversions

titv函數(shù)將SNP分類(lèi)為T(mén)ransitions_vs_Transversions偷溺，并以各種方式返回匯總表的列表尉共。匯總數(shù)據(jù)也可以顯示為一個(gè)箱線圖霹菊，顯示六種不同轉(zhuǎn)換的總體分布，并作為堆積條形圖顯示每個(gè)樣本中的轉(zhuǎn)換比例。

laml.titv = titv(maf = laml, plot = FALSE, useSyn = TRUE)
#plot titv summary
plotTiTv(res = laml.titv)

img

5 Rainfall plots

使用rainfallPlot參數(shù)繪制rainfall plots，展示超突變的基因組區(qū)域示辈。detectChangePoints設(shè)置為T(mén)RUE，rainfall plots可以突出顯示潛在變化的區(qū)域.

brca <- system.file("extdata", "brca.maf.gz", package = "maftools")
brca = read.maf(maf = brca, verbose = FALSE)
rainfallPlot(maf = laml, detectChangePoints = TRUE, pointSize = 0.6)

img

6 Compare mutation load against TCGA cohorts

通過(guò)tcgaComapre函數(shù)實(shí)現(xiàn)laml（自有群體）與TCGA中已有的33個(gè)癌種隊(duì)列的突變負(fù)載情況的比較搞乏。

#cohortName 給輸入的隊(duì)列命名
laml.mutload = tcgaCompare(maf = laml, cohortName = 'LIHC-2')

img

7 Genecloud

使用 geneCloud參數(shù)繪制基因云，每個(gè)基因的大小與它突變的樣本總數(shù)成正比蒲每。

geneCloud(input = laml, minMut = 15)

img

8 Somatic Interactions

癌癥中的許多引起疾病的基因共同發(fā)生或在其突變模式中顯示出強(qiáng)烈的排他性∶岣埽可以使用somaticInteractions函數(shù)使用配對(duì)Fisher 's精確檢驗(yàn)來(lái)分析突變基因之間的的co-occurring 或者exclusiveness飘诗。

#exclusive/co-occurance event analysis on top 10 mutated genes. 
Interact <- somaticInteractions(maf = laml, top = 25, pvalue = c(0.05, 0.1))
#提取P值結(jié)果
Interact$gene_sets
                 gene_set       pvalue
 1:   CTNNB1, AXIN1, TP53 0.0001486912
 2:  CTNNB1, TP53, ARID1A 0.0018338597
 3:     AXIN1, TP53, APOB 0.0087076043
 4:     CSMD3, AXIN1, ALB 0.0130219628
 5:      AXIN1, TP53, ALB 0.0173199619
 6: CTNNB1, AXIN1, ARID1A 0.0363739468

img

可以看到TP53和CTNNB1之間有較強(qiáng)的exclusiveness畏陕，也與文獻(xiàn)中的結(jié)論一致飒焦。

9 Comparing two cohorts (MAFs)

由于癌癥的突變模式各不相同，因此可是 mafComapre參數(shù)比較兩個(gè)不同隊(duì)列的差異突變基因洒嗤，檢驗(yàn)方式為fisher檢驗(yàn)。

#輸入另一個(gè) MAF 文件
Our_maf <- read.csv("Our_maf.csv",header=TRUE)
our_maf = read.maf(maf = Our_maf)

#Considering only genes which are mutated in at-least in 5 samples in one of the cohort to avoid bias due to genes mutated in single sample.
pt.vs.rt <- mafCompare(m1 = laml, m2 = our_maf, m1Name = 'LIHC', m2Name = 'OUR', minMut = 5)
print(pt.vs.rt)

img

• result部分會(huì)有每個(gè)基因分別在兩個(gè)隊(duì)列中的個(gè)數(shù)以及P值和置信區(qū)間等信息良姆。
• SampleSummary 會(huì)有兩個(gè)隊(duì)列的樣本數(shù)陆馁。

1) Forest plots

比較結(jié)果繪制森林圖

forestPlot(mafCompareRes = pt.vs.rt, pVal = 0.01, color = c('royalblue', 'maroon'), geneFontSize = 0.8)

img

10 Oncogenic 信號(hào)通路

``OncogenicPathways` 功能查看顯著富集通路

OncogenicPathways(maf = laml)
#會(huì)輸出統(tǒng)計(jì)結(jié)果
Pathway alteration fractions
       Pathway  N n_affected_genes fraction_affected
 1:    RTK-RAS 85               68         0.8000000
 2:        WNT 68               55         0.8088235
 3:      NOTCH 71               52         0.7323944
 4:      Hippo 38               30         0.7894737
 5:       PI3K 29               24         0.8275862

img

可以對(duì)上面富集的通路中選擇感興趣的進(jìn)行完成的突變展示：

PlotOncogenicPathways(maf = laml, pathways = "PI3K")

img

好了，以上就是使用maftools包對(duì)MAF格式的組學(xué)數(shù)據(jù)的匯總琐旁，分析辣之，可視化灾部。

后臺(tái)回復(fù)“maf文件”即可獲得示例的maf文件和代碼

img

【覺(jué)得不錯(cuò)，右下角點(diǎn)擊賞個(gè)“在看”，轉(zhuǎn)發(fā)就是贊賞框沟，謝謝队丝！】

img

微信圖片.jpg