rmats2sashimiplot:可视化rmats的可变剪切结果 |
您所在的位置：网站首页 › 怎么读inclusion › rmats2sashimiplot:可视化rmats的可变剪切结果 |
rmats2sashimiplot:可视化rmats的可变剪切结果
|
欢迎关注”生信修炼手册”! 在miso这款可变剪切分析软件中，提出了一种可变剪切事件的可视化方式, sashimiplot, 示意如下 上述示意图表示的是一个外面子跳跃的可变剪切事件，最下方是可变剪切isofrom的示意图，分别对应inclusion isofrom 和 skipping isofrom; 采用RPKM值量化表示样本中对应的测序深度分布，不同分组样本用不同颜色表示。 图中曲线连接的地方代表剪切位点，对于inclusion isoform而言，有两处剪切位点，exon1-exon2, exon2-exon3 之间的内含子需要被剪切，对于skipping isoform而言，只有1处剪切位点，即exon1-exon3，曲线旁边的数字代表检测到的比对到该区域的reads数目，这里的reads 示意如下 上图中左边为inclusion isofrom, 右边为skipping isoform, 比对上inclusion isoform的reads 有两种，分别为红色和紫色，其中红色reads只比对到了1号和3号exons上，无法区分这部分reads是来自inclusion isofrom还是skipping reads, 而紫色的reads 比对到了exon2以及exon2与其他exon的连接处，这部分reads可以明确来自inclusion isoform. 所以在统计inclusion isofrom count时，只会计数这部分reads, 同理，统计skipping isoform的reads数时，只会统计绿色部分的reads。 右侧的柱状图表示miso计算出的每个可变剪切事件在样本中的表达量，在这种图片中，归一化之后的reads深度分布可以用于直观的比较不同样本中的分布，而右侧的inclusion level值则可以直接看出不同样本中可变剪切事件的差异。这种可视化形式能够直观的展示可变剪切分析的结果，所以其他的可变剪切软件也争相效仿，rmats也提供了类似的功能，将rmats的输出结果用这种方式展示，对应的软件链接如下 https://github.com/Xinglab/rmats2sashimiplot 用法如下 rmats2sashimiplot \ --b1 control.bam \ --b2 case.bam \ --l1 control \ --l2 case \ --exon_s 1 \ --intron_s 5 \ --min-counts 0 \ -t SE \ -e SE.MATS.JC.txt \ -o sashimiplot_dirb1和b2参数指定样本对应的bam文件，该文件必须是排序之后的，而且建立了bai的索引，l1和l2参数指定样本的名字，exon_s和intron_s参数指定图片中exon和intron的比例，min-counts用于指定展示的最小count数，如果实际的counts数小于该阈值，则不会在图中显示，-t参数指定可变剪切的类型，-e参数指定rmats产生的可变剪切结果文件。 该软件本质上将rmats的输出结果整理成miso的输入结果，然后调用miso绘制sashimiplot, 在输出目录中，对于每个可变剪切事件，首先会整理出符合miso格式的GFF3文件，文件名称为tmp.gff3, 示例如下 chr16 SE gene 20911620 20922586 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+;Name=LYRM1_chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+ chr16 SE mRNA 20911620 20922586 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+ chr16 SE mRNA 20911620 20922586 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.B;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+ chr16 SE exon 20911620 20911857 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A.up;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A chr16 SE exon 20913808 20914039 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A.se;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A chr16 SE exon 20922505 20922586 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A.dn;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.A chr16 SE exon 20911620 20911857 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.B.up;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.B chr16 SE exon 20922505 20922586 . + . ID=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.B.dn;Parent=chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586:+.B对于rmats鉴定到的外显子跳跃事件，对应的gff文件中包含两个转录本，inclusion isoform包含3个exon, skipping isoform包含两个转录本。而且可以看到，可变剪切事件的ID也调整成了miso的格式 chr16:20911620:20911857:+@chr16:20913808:20914039:+@chr16:20922505:20922586调用miso中的sashimi_plot脚本，除了对上述整理好的GFF3文件建立index之外，还需要一个画图的配置文件，在输出目录下也可以找到，示例如下 [data] bam_prefix = miso_prefix = bam_files = ["control.bam","case.bam"] miso_files = ["control.bam","control.bam"] [plotting] group_info = False font_size = 8 reverse_minus = True show_xlabel = True nyticks = 4 min_counts = 0 text_background = True logged = False plot_label = plot_label show_ylabel = True fig_height = 7 nxticks = 6 plot_title = "gene symbol" exon_scale = 1 fig_width = 8 intron_scale = 5 resolution = .5 bar_posteriors = False number_junctions = True show_posteriors = False colors = ["#CC0011","#FF8800"] sample_labels = ["LYRM1 control IncLevel: 0.64","LYRM1 case IncLevel: 1.00"]从该配置文件可以看出，sample_labels中包含了rmats分析出的每个可变剪切事件的inclusion level 值。最终的效果图示意如下 由于rmats中只会计算可变剪切事件的inclusion level值，并没有提供95%执行区间的值，所以没有右侧的柱状图。图中的IncLevel值是直接从rmats的输出结果中读取的，所以二者是一致的。 对于曲线上方标记的reads数目，和rmats输出结果中的IJC和SJC是不同的，因为是两个软件统计的结果，从配置文件可以看出，只提供了bam文件给miso，所以图上的reads数是由miso这个软件计算得到的，自然和rmats计算的reads数目有所出入，但是只是微小差异，总体的趋势还是一致的。 对于rmats2sashimiplot产生的图片，我们不需要太过于纠结reads数目和rmats对应不上，只需要看reads分布的大体趋势即可，重点是关注不同样本中IncLevel的差异。 ·end· —如果喜欢，快分享给你的朋友们吧— 扫描关注微信号，更多精彩内容等着你！ |
【本文地址】
今日新闻 |
推荐新闻 |