RcisTarget||转录因子结合基序富集

生信编程日常

发布于 2020-10-29 11:15:55

3.9K0

发布于 2020-10-29 11:15:55

RcisTarget准备

1.安装RcisTarget所需要的程序包

BiocManager::install(c("AUCell", "RcisTarget"))

另外，可以安装一些其他程序包用来R进行cisTarget的交互式展示：

if (!requireNamespace("BiocManager", quietly=TRUE))
    install.packages("BiocManager")
# To support paralell execution:
BiocManager::install(c("doMC", "doRNG"))
# For the examples in the follow-up section of the tutorial:
BiocManager::install(c("DT", "visNetwork"))

RcisTarget主要输入参数是基因列表和基序数据库

下载RcisTarget使用所需的数据库，包括两种数据库：

Gene-motif rankings: which provides the rankings (~score) of all the genes for each motif.
The annotation of motifs to transcription factors.

Gene-motif rankings下载

每对基因基序的得分可以用不同的参数来进行。因此，我们提供多个数据库(motif-rankings)，根据以下几种可能性:

Species: Species of the input gene set. Available values: Human (Homo sapiens), mouse (Mus musculus) or fly (Drosophila melanogaster)
Scoring/search space: determine the search space around the transcription start site (TSS). Available values: 500 bp uptream the TSS, 5kbp or 10kbp around the TSS (e.g. 10kbp upstream and 10kbp downstream of the TSS).
Number of orthologous species taken into account to score the motifs (e.g. conservation of regions). Available values: 7 or 10 species

具体的数据库在：https://resources.aertslab.org/cistarget/ 可以直接下载，也可以通过以下链接下载

featherURL <- "https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg19/refseq_r45/mc9nr/gene_based/hg19-tss-centered-10kb-7species.mc9nr.feather" 
download.file(featherURL, destfile=basename(featherURL))

annotation of motifs to TF

RcisTarget进行的所有计算均基于motif。但是，大多数用户对可能调节gene list的TF感兴趣。因此需要提供motif与转录因子的相关联的文件。对于“ mc9nr”版本中的motif 注释，已包含在RcisTarget软件包中，并且可以使用以下命令加载：

# mouse:
# data(motifAnnotations_mgi)
# human:
data(motifAnnotations_hgnc)

对于其他版本的motif，可以使用importAnnotations从源文件导入。

RcisTarget运行

library(RcisTarget)
# Load gene sets to analyze.
geneList1 <- read.table(file.path(system.file('examples', package='RcisTarget'), "hypoxiaGeneSet.txt"), stringsAsFactors=FALSE)[,1]
head(geneList1)
#> head(geneList1)
#>"ADM"     "ADORA2B" "AHNAK2"  "AK4"     "AKAP12"  "ALDOC"

geneLists <- list(geneListName=geneList1)
 
# Select motif database to use (i.e. organism and distance around TSS)
data(motifAnnotations_hgnc)
#Import the motif databases for RcisTarget.
#featherURL <- "https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg19/refseq_r45/mc9nr/gene_based/hg19-tss-centered-10kb-7species.mc9nr.feather" 
#download.file(featherURL, destfile=basename(featherURL)) 
motifRankings <- importRankings("hg19-tss-centered-10kb-7species.mc9nr.feather")

# Motif enrichment analysis:
motifEnrichmentTable_wGenes <- cisTarget(geneLists, motifRankings,
                               motifAnnot=motifAnnotations_hgnc)

RcisTarget输出：

RcisTarget的最终输出的data.table包含有关motif 富集的以下信息：

geneSet：基因集的名称 motif：motif的ID NES：基因集中基序的标准化富集得分 AUC：曲线下的面积（用于计算NES） TFinDB：指示突出显示的TF是包含在高置信度注释（两个星号）还是低置信度注释（一个星号）中。 TF_highConf：根据'motifAnnot_highConfCat'注释到基序的转录因子。 TF_lowConf：根据'motifAnnot_lowConfCat'注释到主题的转录因子。 erichedGenes：在给定motif上排名较高的基因。 nErnGenes：高度排名的基因数量 rankAtMax：在最大富集时的排名，用于确定富集的基因数。

结果可视化

motifEnrichmentTable_wGenes_wLogo <- addLogo(motifEnrichmentTable_wGenes)

resultsSubset <- motifEnrichmentTable_wGenes_wLogo[1:10,]

library(DT)
datatable(resultsSubset[,-c("enrichedGenes", "TF_lowConf"), with=FALSE], 
          escape = FALSE, # To show the logo
          filter="top", options=list(pageLength=5))