基因/LncRNA进化保守性分析(下)
发布网友
发布时间：13小时前
共1个回答
热心网友
时间：56分钟前
在基因/lncRNA进化保守性分析中，直接从UCSC Genome Browser下载人类基因组序列保守性分值文件的方法耗时过长，无法满足分析要求。因此，我们寻找到了Bioconductor提供的phastCons100way.UCSC.hg38注释包，以及其他类似包如phastCons7way.UCSC.hg38，phastCons30way.UCSC.hg38等，这些包是基于GenomicRanges对象构建的，通过SQLite数据库运行，速度远高于处理文本文件。
在R运行环境中，首先安装phastCons100way.UCSC.hg38包以及GenomicRanges等依赖包。载入运行环境后，对注释文件构造基因/lncRNA注释信息对象。对于蛋白编码基因，可以使用‘TxDb.Hsapiens.UCSC.hg38.knownGene’注释包，但为了对lncRNA注释，我们从GENCODE网站下载lncRNA注释文件，然后利用'GenomicFeatures'包从头构造注释信息。
通过构造注释对象并选择所有有表达序列部分的注释信息，验证所有染色体在保守性分支对象中是否存在。使用unlist函数将exonsbygene对象转换为GRanges对象。利用gscores函数提取所有econ部分的平均保守性分值，并将结果还原成以基因为单位。最后将信息提取出来，生成一个data.frame对象，从而获取基因名和保守性分值。
接下来，通过分析不同分组的lncRNA，发现肿瘤特异性的lncRNA（cancer-specific），多种肿瘤相关的lncRNA(moderate)，以及所有肿瘤相关的lncRNA间并无显著差异。这揭示了可能与lncRNA的表达无关。
进一步探究启动子区的保守性是否存在差异，使用promoters函数获取所有lncRNA的启动子注释信息，发现结果是转录本水平的注释而非基因水平。通过使用rtracklayer包解决问题，载入注释文件并筛选基因水平注释，定义启动子区域为转录起始位点上游1500bp,下游200bp。提取基因ID及保守性分值，最后得到数据框，显示肿瘤特异性lncRNA的转录启动子区序列保守性明显低于其他两组。
总结，通过尝试不同途径对LncRNA启动子区域序列保守性进行注释和分析，采用R-BioConductor工具显著加快了分析速度。利用提供的数据分析和注释包可以简化相关工作，节省时间，提高效率。
