m6A-Seq数据质量评估:trumpet包

前面我提到了有学员提问:新的ngs流程该如何学习之m6A学习大纲,所以我给了他优秀学员想要MeRIP-Seq/m6A-seq教程,但是他似乎是并没有主动给我投稿,不过我们的转录组授课讲师也感兴趣了这个技术,想丰富一下课程内容,所以开启了这个系列学习哈!

下面是转录组讲师的投稿

文章信息

文献标题:trumpet: transcriptome-guided quality assessment of m6A-seq data

发表杂志:BMC Bioinformatics

发表时间:13 July 2018

原文doi:https://doi.org/10.1186/s12859-018-2266-3

关于作者-Jia Meng

最近做m6A分析研发,发现搜到的软件都是他们家的,就去搜了一下这个大佬

主页介绍如下:https://www.xjtlu.edu.cn/en/departments/academic-departments/biological-sciences/staff/jia-meng

实验室主页:https://www.xjtlu.edu.cn/zh/news/2019/02/m6a

其中关于Peak识别发表的软件一部分如下:

 

可以说是非常高产了,其中exomePeak的升级版本预计今年5月份见刊。

文献摘要

RNA甲基化免疫沉淀测序(MeRIP-seq或m6A-seq)已被广泛用于分析RNA N6-腺苷甲基化在转录组中的分布。然而,由于RNA分子的固有特性以及该技术复杂的操作过程,m6A-seq数据往往存在各种缺陷。对m6A-seq数据的质量进行评估需要一种方便、全面的工具,以确保它们适合后续的分析。

从技术方面,m6A-seq可以认为是ChIP-Seq和RNA-Seq的结合。因此,通过有效地结合两种技术的数据质量评估指标,我们开发了用于m6A-seq数据质量评估的trumpet R包。trumpet包从m6A-seq数据中获取比对产生的BAM文件以及转录组信息作为输入,生成HTML格式的质量评估报告。

除此之外,还可以用于其他RNA免疫沉淀测序技术数据评估如m1A-seq, CeU-Seq, Ψ-seq等。

主要评价指标

1.测序数据统计

这个地方主要通过计算read count来获得对样本的一个全面了解,这可能是检查样本质量的最基本方法。低reads count或比对到特定基因组区域的reads比例差异过大可能与低数据质量有关,这是由于多样本混库测序不平衡、DNA污染或实验过程中的其他偏差造成的。

下表来源于小鼠中脑3个Fto基因敲除和3个对照样本的统计结果(GSE47217),其中IP2样本3'UTR的reads相比其他样本过少,可能是由于样本制备过程中 3′ bias 造成的。

image-20210125165739190
2.read coverage评价

由于基因差异表达, PCR artifacts和randomness,可能会造成全转录组read覆盖度的异质性。下表中,相对于其他样本,IP2样本的外显子区域read覆盖度高,在区域覆盖度 > 10^4^ reads 时更显著。这表明read覆盖度的异质性很高,这可能表明在样品制备或测序过程中存在潜在的PCR rtifacts。

这个现象在 FASTQC评估结果中也得到了验证:IP2 has highest Kmer content among the samples (fold enrichment of the most over-represented Kmer: 33.31 in IP2 vs 23.61 and 27.63 in IP1 and IP3)。

PCR artifacts 可能进一步加剧了m6 A-seq实验reads覆盖的异质性。

 
3.reads分布可视化

RNA m6A一般分布在起始密码子和终止密码子附近。这个结果展示了(5’UTR, CDS and 3’UTR)这三个区域的m6A分布。

 
4.使用ESES评估免疫沉淀反应效率

m6A-Seq数据的一个主要评价指标就是免疫沉淀反应效率,只要体现在免疫沉淀信号的富集程度。

为了评估IP样本中的m6A信号,trumpet包使用 ESEC:exome signal extraction scaling这个指标。该指来源于评估ChIP-seq数据的信号SES方法,ESES不同于SES主要有两点:

  • 首先,将SES方法中ChIP-seq数据的基因组背景替换为标准化的MeRIP-seq数据的基因特异性外显子背景,排除不携带有意义信号的区域(内含子和非基因区域)的影响。
  • 其次,根据基因的表达水平对MeRIP-seq数据的read覆盖进行归一化处理,以消除基因不同表达水平的影响。
  • 我们可以看到第二个IP样本(IP2)与其他样本有很大的不同,这与之前的结果是一致的。

 
5.使用C-test评估m6A信号富集程度

此指标也显示IP2样本异常,与之前的评估结果一致。

 
6.对样本进行层次聚类和PCA分析

我感觉这个结果有点充数了。。。主要用于样本的一致性和可重复性评估。

 
7.特异基因的read覆盖异质性

在实际项目中,bam中比对的reads并不是均匀地分布在同一个基因上。IP 样本中read覆盖度的异质性可能来源于m6A位点信号的富集,

坐标轴分别表示:每个样本中每一个gene的read count的均值和标准差。与IP样本相比,input样本的这个曲线相对更加平缓。

 

实现代码

github:https://github.com/skyhorsetomoon/Trumpet

使用特别简单,输入样本的bam文件和一个gtf文件就行了

## All gone with one touch
rm(list=ls())
options(stringsAsFactors = F)

## 安装
#devtools::install_github("skyhorsetomoon/Trumpet")
library(Trumpet)

## 使用R包中的示例数据
f1 <- system.file("extdata", "IP1.bam", package="Trumpet")
f2 <- system.file("extdata", "IP2.bam", package="Trumpet")
f3 <- system.file("extdata", "IP3.bam", package="Trumpet")
f4 <- system.file("extdata", "IP4.bam", package="Trumpet")
f5 <- system.file("extdata", "Input1.bam", package="Trumpet")
f6 <- system.file("extdata", "Input2.bam", package="Trumpet")
f7 <- system.file("extdata", "Input3.bam", package="Trumpet")
f8 <- system.file("extdata", "treated_IP1.bam", package="Trumpet")
f9 <- system.file("extdata", "treated_Input1.bam", package="Trumpet")

ip_bam <- c(f1,f2,f3,f4)
input_bam <- c(f5,f6,f7)

contrast_ip_bam <- c(f8)
contrast_input_bam <- c(f9)

## gtf文件
gtf <- system.file("extdata", "hg19toy.gtf", package="Trumpet")

## 生成HTML报告
trumpet_report <- Trumpet_report(IP_BAM = ip_bam, 
                                 Input_BAM = input_bam, 
                                 contrast_IP_BAM = contrast_ip_bam, 
                                 contrast_Input_BAM = contrast_input_bam, 
                                 condition1 = "untreated", 
                                 condition2 = "treat", 
                                 GENE_ANNO_GTF = gtf)

分析走到这里,出现了一个报错:

 

上网查找原因,是因为这个trumpet包需要使用到Guitar包,额,然后我发现这个Guitar包也是他们课题组发的。这个包后来更新了,现在更新到了2.6.0,这个函数名字就变成了另外一个名字。这个问题也有人在他们新开发的exomePeak2里面提到了,见:https://github.com/ZW-xjtlu/exomePeak2/issues/1。

然后我想,那我用老版本的吧,找到了1.7.0版本:https://mirror.nju.edu.cn/bioconductor/3.2/bioc/html/Guitar.html,然后本地安装:

install.packages("E:/01-m6A/m6A分析流程搭建/code/Guitar_1.7.0.tar.gz", repos = NULL, type = "source")

发现还是不行,就联系了作者,作者给我了一个1.5.0的版本的:https://github.com/lzcyzm/Guitar,重新安装:

#devtools::install_github("lzcyzm/Guitar")
library(Guitar)
package.version("Guitar")
[1] "1.5.0"

然后顺利跑上了前面的代码,生成了质控报告。可以说非常曲折了。这个1.5.0版本的,如果不是作者给我链接,我感觉我还真找不到。这个包由于自发布之后,更新比较少,希望我们将这个包推荐给大家使用后,大家能多多给反馈,希望作者也能后续更新以便更多的人能使用上。

生成的网页报告结果还是很不错的。

下面来看一眼生成的网页版本的m6A-Seq质控报告吧,默认在输出路径下生成一个Trumpet_report.html。

报告上方有目录链接,其实从这个地方,我们也可以学习作者的源代码,看看怎么使用R语言生成html报告。

 

有比对结果统计:

 

read分布可视化:m6A-Seq的peak一般在5'UTR和终止密码子附近有富集【doi:10.1038/nature11112 ,doi:10.1016/j.cell.2012.05.003】。

 

还有一些其他比较有意思的图,大家可以自行去看看啦。

m6A分析流程后续会陆陆续续更新,请期待吧。

文末友情推荐

(0)

相关推荐

  • RNA甲基化修饰m6A检测热门技术—MeRIP-seq

    m6A甲基化是转录后调控中重要的表观遗传修饰方式,它普遍存在于病毒和真核生物中.MeRIP-seq(高通量测序法)作为m6A修饰的检测方法,其具有针对全基因组范围内检测m6A的存在:能够明确每个基因的 ...

  • 批次效应去除工具

    我们在进行公共数据挖掘的时候,经常会碰到要对多个数据集联合分析的时候,如果想要把这些数据放到一起进行分析的话,那么首先还是需要先去除批次效应才能进行分析的.之前我们的介绍的数据库的时候,也提到了两个和 ...

  • 生信神器之一站式表达谱数据分析

    表达谱数据分析的时候,经常包括各种各样的分析.比如差异表达分析,富集分析,GSEA,蛋白相互作用分析等等等等.NetwordAnalyst(https://www.networkanalyst.ca/ ...

  • 拒绝“脏”数据,企业如何搭建数据质量评估体系

    为什么要进行数据质量评估 很多刚入门的数据分析师,拿到数据后会立刻开始对数据进行各种探查.统计分析等,企图能立即发现数据背后隐藏的信息和知识.然而忙活了一阵才颓然发现,并不能提炼出太多有价值的信息,白 ...

  • 科研 | Water Research:淡水和饮用水中的微塑料:数据质量的审查与评估

    编译:艾奥里亚,编辑:十九.江舜尧. 原创微文,欢迎转发转载. 导读 饮用水及其水源中微型塑料的检出引发了其对人体健康潜在影响的讨论.然而,有关微塑料取样.提取和鉴定尚未有相关标准的方法,因此这些研究 ...

  • 浅谈数字X线成像(DR)的质量评估及影响因素

    自从X线被发现之后,很快被引入医学领域.在兽医影像学领域,X线诊断技术经历了传统的屏-片系统.CR到现在的数字系统DR.目前由于DR系统获取图像方便快捷.图像质量清晰.技术要求小.价格相对合理等优点, ...

  • 美国顶级生物技术风投如何孵化AI药物研发组合:大小分子药物两手抓,但数据质量仍是最大掣肘

    计算机辅助药物发现(computer-aided drug discovery,CADD)以"AI药物发现"之名换代升级.热潮又起.距离上一次对计算机高涨的热情已经过去快40年了, ...

  • 使用上下文数据安全地评估JavaScript

    eval()从一开始就在JavaScript中提供了该功能,作为从动态输入运行代码的一种方式.但是,它存在有据可查的问题,并且一般的建议是,如果有第三方将内容放入表达式中的任何可能性,则不应使用它. ...

  • 点、线、面、体,5分钟解读数据质量

    数据质量是数据治理领域的基础性课题,既是治理的目标,也是治理的抓手.同时,数据质量的提升,表与里,标与本,制度建设和群体共识,激励机制和系统平台,关系面很大,撸起袖子后如何着手,需要思考. 今天,我们 ...

  • 企业供应商系统管理:随时掌握产品信息数据质量

    供应商B2B系统当中涉及的数据是相当庞大的,以致于供应商采购平台系统公司无法将产品的生产数据完全作为企业内部数据来使用,甚至有些数据业务是外包给第三方平台去处理,其中返回的数据成品信息出现问题都没法及 ...

  • 数据治理连载漫画:什么是数据质量?(上)

    PRIMERS 引    子 大数据人工智能技术在日新月异的发展,各个行业领域的数据量都在迅猛增长.有研究发现,近年来,数字的数量每3年多就会翻一番.金融行业在发展中积攒了大量客户信息和数据信息,借助 ...

  • 审慎看待学术质量评估指标

    近年来,越来越多的学术机构开始重视并参与实施负责任的学术评估工作.很多学术机构认为,期刊影响因子不应该成为评估学者研究水平的唯一工具和标准.然而,避免对期刊影响因子的过分依赖,只能解决学术评估工作现存 ...