编译：阿菲，编辑：夏甘草、江舜尧。
原创微文，欢迎转发转载。
导读
在过去的十年里，由于测序成本的持续下降和最新的易于使用的文库构建工具的开发，RNA测序（RNA-seq）已经超过微阵列成为基因表达谱分析的金标准。迄今为止，拟南芥共发布了20000多个RNA序列文库，仅在2019年第一季度就有1300多个文库（图1A）。这一巨大的资源对于所有拟南芥研究人员研究转录调控、组织特异性、胁迫反应和他们感兴趣的基因的发育动力学非常有用。然而，对于缺乏专门的生物信息学人员或昂贵的计算资源的群体来说，获取和挖掘大量RNA序列数据仍然是一个巨大的挑战。
原名：A comprehensive online database for exploring ~20,000 public 1 Arabidopsis RNA-Seq libraries
译名：一个综合在线数据库，用于探索~20000个公共1拟南芥RNA序列文库
期刊：Molecular Plant
IF：12.084
发表时间：2020.08.04
通讯作者：翟继先
通讯作者单位：南方科技大学生物系植物与食品研究所
DOI号：10.1016/j.molp.2020.08.001
作者展示了拟南芥RNA序列数据库（ARS，http://ipf.sustech.edu.cn/pub/athrna/)，该数据库整合了20068个可公开获得的拟南芥RNA序列库数据，该文库存放在Gene Expression Omnibus（GEO）、Sequence Read Archive（SRA）上，欧洲核苷酸档案24（ENA）和日本DNA数据库（DDBJ）在2019年3月25日之前（图1B）。作者下载了所有文库的原始数据，用26个标准化的流水线重新处理，将读取的数据映射到TAIR10基因组，并计算了Araport11中注释的所有37336个基因在每个文库中的标准化27表达水平（FPKM（每千基转录的片段数，每百万次映射读取数），并利用这些信息进行了共表达29分析（详见补充资料）。还将30个文库分别分为1176、1102、12和176组突变体、处理条件、组织和31个发育阶段（补充表2-7），并分析了不同突变体或处理下所有基因的32种差异表达水平。ARS是一个免费的、可访问的、用户友好的数据库，支持对基因ID、library ID、BioProject ID、关键字或这些查询组合类型，以一个或多个表和图的形式显示所选库中特定基因的表达水平。此外，内置在线整合基因组学查看器（IGV）（Robinson等人，2017）支持查看每个库的详细阅读比对，用户可以通过关键字搜索和选择库。搜索结果可以很容易地与其他人分享，点击“分享”按钮生成当前页面的链接。以AT2G17690（41 DRM1 DRM2 CMT3的抑制器，SDC）的查询结果为例，“信息”页面显示了SDC的基本信息，包括所有库中FPKMs的最大值、最小值、中值和平均值的统计，以及轨迹类型、别名、符号等详细信息，基因组坐标链，和基因结构。“数据表”页签显示了45个20068个库中SDC的FPKM值，包括样本名称、项目、生态型、基因型、组织、共46次读取、唯一映射率、发布日期等信息。“数据图”显示了不同组织（补充图1A）、发育阶段（补充图481b）、应激相关条件以及不同突变体（补充图1C）之间sdc47的FPKM值。49个“共表达”页面显示了其他基因，其表达模式与50个查询的基因密切相关。在线IGV可用于浏览所选51个库中SDC轨迹上的读取对齐（补充图1E）。作为一个验证，作者检查了几个已被充分记录的标记基因的表达，它们在该数据库中的表达水平与之前的53篇报道高度一致，如胁迫相关基因AT5G52310（对干燥反应54 29A，RD29A）、花粉特异表达基因AT5G45880（LAT52）和水分亏缺标记55AT2G33380（响应干燥20，RD20）（图1C）。此外，ARS可用于在20000多个文库中快速进行电子筛选，以鉴定特定基因型、条件或组织，这些基因型、条件或组织表现出感兴趣基因的改变。还是以SDC为例，SDC是植物利用基因沉默抑制内源基因的经典标记基因，其正常表达严格限制在胚乳中，但当转录基因沉默缺陷时，可以在体细胞组织中发现（Henderson和Jacobsen，2008）。在图1中高度表达的缺失突变体，如图1所示的缺失突变体，同时还发现了两组表观遗传调控相关的文库，这些文库以前没有报道过参与内源性sdc66的沉默（补充图1D）。第一组来自collin1突变体（hgf1-1 rep1和rep2）的两个生物复制品，该突变体编码形成68 Cajal体所需的支架蛋白，该蛋白与核处理中心的AGO4和NRPE1共定位，是DNA甲基化的全部功能所需的69个蛋白（Li等人。，2006年）。第二组文库来自于GENERAL CONTROL NONDEREPRESSIBLE 5（GCN5）的突变体，组蛋白乙酰转移酶和乙酰化组蛋白的读取器蛋白已被证明调节SDC表达（Zhang等人，2016）。因此，ARS提供了快速、灵敏和高通量的筛选方法来识别新玩家。随着存放在公共域中的RNA序列文库数量的增加，这种方法的效率将继续提高。在未来，作者计划定期更新ARS，增加最近出版的RNA序列库，并继续将这个站点作为一个免费的、有用的资源来维护。该数据库还可以用于普通用户方便地进行大规模的数据挖掘。例如AT4G14140（DNA甲基转移酶2，MET2b），DNA甲基转移酶家族成员MET，在胚乳中特异表达（图1D，左图82）。令人惊讶的是，快速搜索所有83个文库中MET2b的表达水平，结果表明它在多个野生型幼苗文库中表达，其丰度甚至比胚乳中的高。从多个独立的实验中仔细观察这些野生型文库发现，它们被不同类型的油菜素甾体（BR）抑制剂处理，如brassinazole（Brz）和丙环唑（PPZ），因此强烈表明BR相关的信号调节MET2b的表达（图1D，右图）。因此，我们的网站增加了丰富的网络可查询大型数据集集合，使研究人员能够使用大数据，开发出健壮、可测试的假设，而实验成本很低甚至没有（Brady and Provart，2009）。许多优秀的基于web的资源已经开发出来，用于托管和分析mRNA seq数据，例如MPSS数据库（Nakano等人，2006年）、UCSC基因组浏览器（Kent等人，2002年）、Anno-J浏览器（Lister等人，2008年）、Genevestigator（Hruz等人，2008年）、EPIC CoGe浏览器（Nelson等人，2018年），BAR的电子荧光象形图（eFP）浏览器（Winter 等人，2007年）和CoNekt（Proost和Mutwil，2018年）。与这些现有资源相比，设计用于主持单个项目或多个项目，或探索基因表达的空间和98个时间动态，这需要较少数量的微阵列或RNA seq 库（使用1385个微阵列样本，CoNekT使用913个RNA序列样本），ARS可以通过简单的“Google-like”搜索从20000多个拟南芥RNA seq-101文库中快速提取任意基因的丰度信息，并对组织102特异性、发育阶段、胁迫相关以及突变体和103种治疗方法的差异表达进行多重可视化。此外，ARS还可以通过内置的在线igv104基因组浏览器方便地查看这些数据。随着拟南芥RNA序列文库数量的快速增长，我们计划在未来定期更新ARS。（A） 2009年至2018年每年拟南芥测序碱基的数量。X轴表示3表示数据生成的年份，y轴表示以GB为单位的序列基数。4（B）拟南芥RNA序列数据库（ARS）的构建概况。从GEO、SRA、DDBJ和6个ENA数据库中收集了200685个公开可用的拟南芥RNA序列文库，并通过统一的管道进行处理。所有基因和文库相关的7个信息都可以通过我们的ARS网站8上的基于关键字的搜索来访问(http://ipf.sustech.edu.cn/pub/athrna/). 9（C）一些标记基因的表达水平。左图为10个花粉特异性表达的基因，LAT52，在不同的组织中；中间的一个例子是在不同的非生物胁迫下，一个缺水-11的标记实例RD20；右图显示了RD29A在不同处理的前10个上调文库中的12个表达水平，如13，干旱，盐。14（D）MET2b在不同组织和实验条件下的表达水平。左侧面板15显示不同组织中MET2b的表达水平。右图显示，与其他激素相关的17种处理相比，在BRZ、PPZ和乙烯处理的文库中，MET2b是16诱导的。ARS是一个免费的、可访问的、用户友好的数据库，支持对基因ID、library ID、BioProject ID、关键字或这些查询组合类型，以一个或多个表和图的形式显示所选库中特定基因的表达水平。此外，内置在线整合基因组学查看器（IGV）（Robinson等人，2017）支持查看每个库的详细阅读比对，用户可以通过关键字搜索和选择库。搜索结果可以很容易地与其他人分享，点击“分享”按钮生成当前页面的链接。以AT2G17690（41 DRM1 DRM2 CMT3的抑制器，SDC）的查询结果为例，“信息”页面显示了SDC的基本信息，包括所有库中FPKMs的最大值、最小值、中值和平均值的统计，以及轨迹类型、别名、符号等详细信息，基因组坐标链，和基因结构。“数据表”页签显示了45个20068个库中SDC的FPKM值，包括样本名称、项目、生态型、基因型、组织、共46次读取、唯一映射率、发布日期等信息。“数据图”显示了不同组织（补充图1A）、发育阶段（补充图481b）、应激相关条件以及不同突变体（补充图1C）之间sdc47的FPKM值。49个“共表达”页面显示了其他基因，其表达模式与50个查询的基因密切相关。在线IGV可用于浏览所选51个库中SDC轨迹上的读取对齐（补充图1E）。作为一个验证，作者检查了几个已被充分记录的标记基因的表达，它们在该数据库中的表达水平与之前的53篇报道高度一致，如胁迫相关基因AT5G52310（对干燥反应54 29A，RD29A）、花粉特异表达基因AT5G45880（LAT52）和水分亏缺标记55AT2G33380（响应干燥20，RD20）（图1C）。此外，ARS可用于在20000多个文库中快速进行电子筛选，以鉴定特定基因型、条件或组织，这些基因型、条件或组织表现出感兴趣基因的改变。还是以SDC为例，SDC是植物利用基因沉默抑制内源基因的经典标记基因，其正常表达严格限制在胚乳中，但当转录基因沉默缺陷时，可以在体细胞组织中发现（Henderson和Jacobsen，2008）。在图1中高度表达的缺失突变体，如图1所示的缺失突变体，同时还发现了两组表观遗传调控相关的文库，这些文库以前没有报道过参与内源性sdc66的沉默（补充图1D）。第一组来自collin1突变体（hgf1-1 rep1和rep2）的两个生物复制品，该突变体编码形成68 Cajal体所需的支架蛋白，该蛋白与核处理中心的AGO4和NRPE1共定位，是DNA甲基化的全部功能所需的69个蛋白（Li等人，2006年）。第二组文库来自于GENERAL CONTROL NONDEREPRESSIBLE 5（GCN5）的突变体，组蛋白乙酰转移酶和乙酰化组蛋白的读取器蛋白已被证明调节SDC表达（Zhang等人，2016）。因此，ARS提供了快速、灵敏和高通量的筛选方法来识别新玩家。随着存放在公共域中的RNA序列文库数量的增加，这种方法的效率将继续提高。在未来，作者计划定期更新ARS，增加最近出版的RNA序列库，并继续将这个站点作为一个免费的、有用的资源来维护。该数据库还可以用于普通用户方便地进行大规模的数据挖掘。例如AT4G14140（DNA甲基转移酶2，MET2b），DNA甲基转移酶家族成员MET，在胚乳中特异表达（图1D，左图82）。令人惊讶的是，快速搜索所有83个文库中MET2b的表达水平，结果表明它在多个野生型幼苗文库中表达，其丰度甚至比胚乳中的高。从多个独立的实验中仔细观察这些野生型文库发现，它们被不同类型的油菜素甾体（BR）抑制剂处理，如brassinazole（Brz）和丙环唑（PPZ），因此强烈表明BR相关的信号调节MET2b的表达（图1D，右图）。因此，我们的网站增加了丰富的网络可查询大型数据集集合，使研究人员能够使用大数据，开发出健壮、可测试的假设，而实验成本很低甚至没有（Brady and Provart，2009）。许多优秀的基于web的资源已经开发出来，用于托管和分析mRNA seq数据，例如MPSS数据库（Nakano等人，2006年）、UCSC基因组浏览器（Kent等人，2002年）、Anno-J浏览器（Lister等人，2008年）、Genevestigator（Hruz等人，2008年）、EPIC CoGe浏览器（Nelson等人，2018年），BAR的电子荧光象形图（eFP）浏览器（Winter 等人，2007年）和CoNekt（Proost和Mutwil，2018年）。与这些现有资源相比，设计用于主持单个项目或多个项目，或探索基因表达的空间和98个时间动态，这需要较少数量的微阵列或RNA seq 库（使用1385个微阵列样本，CoNekT使用913个RNA序列样本），ARS可以通过简单的“Google-like”搜索从20000多个拟南芥RNA seq文库中快速提取任意基因的丰度信息，并对组织102特异性、发育阶段、胁迫相关以及突变体和103种治疗方法的差异表达进行多重可视化。此外，ARS还可以通过内置的在线igv104基因组浏览器方便地查看这些数据。随着拟南芥RNA序列文库数量的快速增长，我们计划在未来定期更新ARS。超实用RNA-Seq的综合在线数据库网址：http://ipf.sustech.edu.cn/pub/athrna/
更多推荐
1 高分综述 | Trends in Biotechnology: 单细胞分辨率下利用空间转录组揭示器官分子结构（国人佳作）
