3.1.1加载示例数据

数据(“lymphoma_Nature2013_raw”)

这将创建一个包含128639行的数据帧。这相当于执行R代码

淋巴瘤nature2013_ftp_path <- paste0("ftp://ftp.sanger.ac。uk/pub/cancer/AlexandrovEtAl/"， "somatic_mutation_data/淋巴瘤b细胞/"，"淋巴瘤b细胞_clean_somatic_mutations_"， "for_signature_analysis.txt")淋巴瘤nature2013_raw_df <- read.csv(file=淋巴瘤nature2013_ftp_path, header=FALSE,sep="\t")

该格式的灵感来自于vcf格式，每个被调用的变体都有一行。注意，该URL提供的文件没有头信息，因此我们必须添加一些头信息。我们还将稍微调整数据结构:

names(淋巴瘤nature2013_raw_df) <- c("PID"，"TYPE"，"CHROM"，"START"， "STOP"，"REF"，"ALT"，"FLAG")淋巴瘤nature2013_df <-子集(淋巴瘤nature2013_raw_df,TYPE=="subs"， select=c(CHROM,START,REF,ALT,PID)) names(淋巴瘤nature2013_df)[2] <- "POS" kable(head(淋巴瘤nature2013_df))

在这里，我们只选择了特征为的变量潜艇(这些是我们对突变特征分析感兴趣的snv，小的索引被这一步过滤掉了)，所以我们剩下128212个变体或行。注意，这里有48个不同的样本:

独特(lymphoma_Nature2013_df $ PID)

# [1] 07-35482 1060 1061 1065 1093 ## [6] 1096 1102 4101316 4105105 4108101 ## [11] 4112512 4116738 4119027 4121361 4125240 ## [21] 4133511 4135350 4142267 4158726 4159170 ## [21] 4163639 4175837 4177856 4182393 4189200 ## [21] 4189998 4190495 4193278 4194218 4194891 ## [36] DLBCL-PatientA DLBCL-PatientB DLBCL-PatientB DLBCL-PatientC DLBCL-PatientD ## [41] DLBCL-PatientJ DLBCL-PatientK DLBCL-PatientL DLBCL-PatientM EB2 ##等级:07-35482 1060 1061 1065 1093 1096 1102 4101316 4105105…G1

为了以后的方便，我们将子组信息注释到每个变体(间接地通过它出现的示例)。为了简单起见，我们还将分析限制在全基因组测序(WGS)数据集:

lymphoma_Nature2013_df小组< -“未知”DLBCL_ind < - grep(“^ DLBCL。*”,lymphoma_Nature2013_df $ PID) lymphoma_Nature2013_df美元子群(DLBCL_ind) <——“DLBCL_other”MMML_ind < grep(“^ 41美元[0 - 9]+”,lymphoma_Nature2013_df $ PID) lymphoma_Nature2013_df < - lymphoma_Nature2013_df [MMML_ind,]数据(lymphoma_PID) (my_PID rownames (lymphoma_PID_df)) {PID_ind <——(as.character (lymphoma_Nature2013_df $ PID) = = my_PID) lymphoma_Nature2013_df小组(PID_ind) < -美元@ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @

级别:WGS_B WGS_D WGS_F WGS_I

3.1.2显示示例数据

雨量图提供了一个样本的突变负荷的快速概述。为此，我们必须计算互变距离。但首先我们还是要重新格式化…

淋巴瘤a_nature2013_df <- translate_to_hg19(淋巴瘤a_nature2013_df，"CHROM")淋巴瘤a_nature2013_df $change <- attribute_nucleotide_exchanges(淋巴瘤a_nature2013_df $PID)淋巴瘤a_nature2013_df <-淋巴瘤a_nature2013_df $POS [order(淋巴瘤a_nature2013_df $PID，淋巴瘤a_nature2013_df $CHROM，淋巴瘤a_nature2013_df $POS)，]淋巴瘤a_nature2013_df <- annotate_intermut_dist_cohort(淋巴瘤a_nature2013_df，in_PID.field="PID") data(" exchange_color_vector ")淋巴瘤nature2013_df $col <- exchange_color_vector[淋巴瘤nature2013_df $change]

现在我们可以选择一个样本并制作雨量图。这里使用的plot函数依赖于包gtrellis由Zuguang顾(2015年Zuguang Gu)．

PID_df <- sub子集(淋巴瘤nature2013_df,PID==choice_PID) #trellis_rainfall_plot(PID_df,in_point_size=unit(0.5，"mm"))

图示淋巴瘤样本典型的雨点图，如在免疫球蛋白位点处，突变密度聚集增加。

数据(团体)

3.2.1之上加载初始签名集

我们首先加载Alexandrov等人发表的(较旧的)签名集。(Alexandrov, Nik-Zainal, Wedge, Aparicio等，2013)：

Alex_signatures_path < paste0 (" ftp://ftp.sanger.ac。uk/pub/cancer/"， "AlexandrovEtAl/signature .txt") alexinitialarti_sig_df <- read.csv(Alex_signatures_path,header=TRUE,sep="\t") kable(alexinitialarti_sig_df [c(1:9)，c(1:4)])

现在我们将重新格式化数据帧:

Alex_rownames <- paste(alexinitialarti_sig_df [，1]， alexinitialarti_sig_df [，2]，sep=" ") select_ind <- grep("Signature"，names(alexinitialarti_sig_df)) alexinitialarti_sig_df <- alexinitialarti_sig_df [，select_ind] number_of_alex_sig_df <- dim(alexinitialarti_sig_df)[2] names(alexinitialarti_sig_df) <- gsub("Signature\\."，"A"， names(alexinitialarti_sig_df)) rownames(alexinitialarti_sig_df) <- Alex_rownames (alexinitialarti_sig_df) kable(alexinitialarti_sig_df [c(1:9)，c(1:6)]，标题=“来自最初亚历山德罗夫签名的示例数据。”)

这将产生一个用于签名的数据帧，包含27个签名作为列向量。值得注意的是，在最初的发表中，这27个签名中只有一个子集通过正交测序技术进行了验证。所以我们可以向下过滤:

AlexInitialValid_sig_df <- alexinitialarti_sig_df [，grep("^A[0-9]+"， names(alexinitialarti_sig_df))] number_of_Alex_validated_sigs <- dim(AlexInitialValid_sig_df)[2]

我们还剩下22个签名。

3.2.2加载更新的突变签名集

一个更新的和策划的突变签名集由Ludmil Alexandrov在http://cancer.sanger.ac.uk/cosmic/signatures．我们将使用这个集合进行以下分析:

Alex_COSMIC_signatures_path < paste0 (" http://cancer.sanger.ac。英国/ cancergenome”、“资产/ signatures_probabilities.txt”)AlexCosmicValid_sig_df < - read.csv (Alex_COSMIC_signatures_path头= TRUE, 9 = \ t) Alex_COSMIC_rownames < -粘贴(AlexCosmicValid_sig_df [1], AlexCosmicValid_sig_df [2], 9 = " ") COSMIC_select_ind < - grep(“签名”,名称(AlexCosmicValid_sig_df)) AlexCosmicValid_sig_df < - AlexCosmicValid_sig_df [, COSMIC_select_ind] number_of_Alex_COSMIC_sigs < -暗(AlexCosmicValid_sig_df)[2]的名字(AlexCosmicValid_sig_df) < - gsub(“签名\ \。”,“交流”,names(AlexCosmicValid_sig_df)) rownames(AlexCosmicValid_sig_df) <- Alex_COSMIC_rownames kable(AlexCosmicValid_sig_df[c(1:9)，c(1:6)]， caption="来自更新的Alexandrov签名的示例数据。")

这将产生一个包含30个签名作为列向量的数据帧。为了方便和与初始签名的可比性，我们对特征进行了重新排序。为此，我们坚持Alexandrov等人在最初的出版物中选择的惯例。(Alexandrov, Nik-Zainal, Wedge, Aparicio等，2013)用于初始签名。

COSMIC_order_ind <- match(Alex_rownames, alex_cosmicvalid_sig_df <- AlexCosmicValid_sig_df[COSMIC_order_ind，] kable(AlexCosmicValid_sig_df[c(1:9)，c(1:6)]， caption=paste0("来自更新的Alexandrov的示例数据"，"签名，行重新排序。"))

注意，特征的顺序，即核苷酸交换的三核苷酸含量，从第5行开始改变，如行名所示。

3.2.3为以后的分析做准备

对于每一组签名，YAPSA包中的函数都需要一个附加的数据帧，其中包含关于签名的元信息。在该数据帧中，您可以指定标记的绘制顺序和不同标记的颜色。在下一小节中，我们将建立这样一个数据框架。但是，相应的数据帧也存储在包中。如果加载数据(团体)下面的代码块可以被绕过。

signature_color_vector <- c("深绿色"，"绿色"，"粉色"，"黄花"，"浅蓝色"，"橙色"，"棕色"，"紫色"，"红色"，"深蓝色"，"品红"，"褐红色"，"黄绿色"，"黄绿色"，"紫红色"，"浅绿色"，"sienna4"，"深粉色"，"深兰"，"海绿"，"grey10"，"grey30"， "grey50"，"grey70"，"grey90") bio_process_vector <- c("自发脱胺"，"自发脱胺"，" APOBEC"，"BRCA1_2"，"吸烟"，"未知"，"缺陷DNA MMR"，"紫外线照射"，"未知"，“IG超突变”，“POL E突变”，“替莫唑胺”，“未知”，“APOBEC”，“未知”，“未知”，“未知”，“未知”，“未知”，“未知”，“未知”，“未知”，“未验证”，“未验证”，“未验证”，"nonvalidated"，"nonvalidated") alexinitialarti_sigind_df <- data.frame(sig=colnames(alexinitialarti_sigind_df)) alexinitialarti_sigind_df $index <- seq_len(dim(alexinitialarti_sigind_df)[1]) alexinitialarti_sigind_df $ color <- signature_colour_vector alexinitialarti_sigind_df $process <- bio_process_vector cosmic_signature_color_vector <- bio_process_vector cosmic_signature_color_vector <- c("绿色"，"粉色"，"黄花"，"浅蓝色"，"蓝色"，"橘红色"，"黄色"，"橙色"，"棕色"，"紫色"，"红色"，"深蓝"，"品红"，"紫红"，"紫红"，"深蓝"，"紫红"，"深红"，"紫红"，"紫红"，"“黄绿色”，“紫色”，“浅绿色”，“sienna4”，“深粉色”，“深兰花”，“海绿色”，“灰色”，“深灰色”，“黑色”，“黄色4”，“珊瑚2”，“巧克力2”，“海蓝色”，“梅色”，“春绿”)COSMIC_bio_process_vector <- c(“自发脱胺”，“APOBEC”，“缺陷DNA DSB修复homs。，“烟草诱变原，苯并(a)芘”，“未知”，“MSI肿瘤中发现的缺陷DNA MMR”，“紫外线照射”，“未知”，“POL eta和SHM”，“改变的POL E”，“烷基化剂，替莫唑胺”，“未知”，“APOBEC”，“未知”，“DNA MMR缺陷”，“未知”，“未知”，“未知”，“未知”，“黄曲霉毒素”，“未知”，“DNA MMR缺陷重复”，“未知”，“未知”，“未知”，“黄曲霉毒素”，“未知”，“缺陷DNA MMR”，"未知"，"未知"，"烟草口香糖"，"未知")AlexCosmicValid_sigInd_df <- data.frame(sig=colnames(AlexCosmicValid_sigInd_df)) AlexCosmicValid_sigInd_df$index <- seq_len(dim(AlexCosmicValid_sigInd_df)[1]) AlexCosmicValid_sigInd_df$ color <- cosmic_signature_color_vector AlexCosmicValid_sigInd_df$process <- COSMIC_bio_process_vector

YAPSA还可以基于其他突变特征集进行分析。细节可以在附加的小插图中找到signature-specific达标而且Indel签名．

3.3.1建立突变目录

本节使用的函数在很大程度上是Julian Gehring的包SomaticSignatures中的函数的包装器(Gehring et al. 2015)．

库(BSgenome.Hsapiens.UCSC.hg19)

word_length <- 3 elimomanature2013_mutcat_list <- create_mutation_cataloggue_from_df (elimoma_nature2013_df, this_seqnames.)字段= "CHROM"， this_start。字段= "POS"， this_end。字段= "POS"， this_PID。字段= "PID"， this_subgroup。field = "SUBGROUP"， this_refGenome = BSgenome.Hsapiens.UCSC. field = "SUBGROUP";hg19, this_wordLength = word_length)

这个函数create_mutation_catalogue_from_df返回一个包含多个条目的列表对象。我们将使用一个叫做矩阵．

名(lymphomaNature2013_mutCat_list)

## [1] "matrix" "frame"

淋巴瘤ature2013_mutcat_df <- as.data.frame(淋巴瘤ature2013_mutcat_list $matrix) kable(淋巴瘤ature2013_mutcat_df [c(1:9)，c(5:10)])

3.3.2液晶分析无任何截止

的液晶显示器函数将一个突变目录分解为一个先验的已知签名和这些签名各自的暴露，如本小插图的第二部分所述。我们用的是(Alexandrov, Nik-Zainal, Wedge, Aparicio等，2013)浏览COSMIC网站(https://cancer.sanger.ac.uk/cosmic/signatures_v2)．

current_sig_df <- AlexCosmicValid_sig_df current_sigInd_df <- AlexCosmicValid_sigInd_df淋巴瘤ature2013_cosmicexposures_df <- LCD(淋巴瘤ature2013_mutcat_df,current_sig_df)

一些适应性(提取和重新格式化样本属于哪个子组的信息):

COSMIC_subgroups_df <- make_subgroups_df(淋巴瘤nature2013_df，淋巴瘤anature2013_cosmicexposures_df)

可以使用自定义绘图函数绘制生成的签名曝光。首先是绝对曝光:

barplot(in_exposures_df =淋巴瘤ature2013_cosmicexposures_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

这里，因为没有给绘图函数颜色信息exposures_barplot，已识别的签名用彩虹调色板着色。如果希望为签名分配颜色，可以通过类型的数据结构实现sigInd_df．

exposures_barplot(in_exposures_df =淋巴瘤ature2013_cosmicexposures_df, in_signatures_ind_df = current_sigInd_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

这个数字的颜色编码符合我们的需要，但有一个轻微的不一致:颜色编码分配给所有30个提供的签名，即使其中一些可能在这个队列中没有任何贡献:

rowSums (lymphomaNature2013_COSMICExposures_df)

## ac1 ac2 ac3 ac4 ac5 ac6 ## 7600.27525 6876.09167 7532.32331 0.00000 11400.54366 165.58927 ## ac7 ac8 ac9 ac10 ac11 ac12 ## 1360.82415 10792.42959 40780.48663 750.23833 2330.47326 1416.83092 ## ac13 ac14 ac15 ac16 ac17 ac18 ## 1278.21698 972.57326 1277.88700 1616.06653 10715.25678 1345.94160 ## ac19 ac20 ac21 ac22 ac23 ac24 ## 1269.85447 231.99906 909.70507 48.66667 61.22117 0.00000 ## ac25 ac26 ac27 ac28 ac30 ## 639.24910 258.01427 4768.12968 76.81338 4745.15419

这可以通过使用来克服LCD_complex_cutoff．它需要一个额外的参数:in_cutoff_vector；这已经是更一般的框架了，将在下一节中更详细地解释。

<- rep(0,dim(current_sig_df)[2]) CosmicValid_cutoffZero_LCDlist <- LCD_complex_cutoff(in_mutation_catalogue_df = lymphomaNature2013_mutCat_df, in_signatures_df = current_sig_df, in_cutoff_vector = zero_cutoff_vector, in_sig_ind_df = current_sigInd_df)

我们可以重新创建子组信息(即使这与已经确定的相同):

COSMIC_subgroups_df <- make_subgroups_df(cosmoa_nature2013_df, CosmicValid_cutoffZero_LCDlist$exposure)

如果我们把它画出来，我们得到:

exposures_barplot(in_exposures_df = CosmicValid_cutoffZero_LCDlist$exposure, in_signatures_ind_df = CosmicValid_cutoffZero_LCDlist$out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

注意，这一次，图例中只显示了对这个队列有实际贡献的28个签名。

当然，相对曝光也可以绘制:

exposures_barplot(in_exposures_df = cosmicvalid_cutoffzero_ldlist $norm_exposure, in_signatures_ind_df = cosmicvalid_cutoffzero_ldlist $out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

3.3.3具有广义截止的LCD分析

现在让我们重新运行分析，使用一个截止来丢弃队列范围内贡献不足的签名。

my_cutoff < - 0.06

0.06的临界值意味着，如果一个签名的暴露量至少代表队列中所有snv的6%，则该签名被保留。我们将使用这个函数LCD_complex_cutoff而不是液晶显示器．

general_cutoff_vector <- rep(my_cutoff,dim(current_sig_df)[2]) CosmicValid_cutoffGen_LCDlist <- LCD_complex_cutoff(in_mutation_catalogue_df = lymphomaNature2013_mutCat_df, in_signatures_df = current_sig_df, in_cutoff_vector = general_cutoff_vector, in_sig_ind_df = current_sigInd_df)

在选定的截止点0.06处，我们还剩下6个签名。我们可以详细了解这些特征及其相应的生物过程:

kable(CosmicValid_cutoffGen_LCDlist$out_sig_ind_df, row.names=FALSE, caption=paste0("签名与队列范围的曝光> "，my_cutoff))

我们可以画出绝对曝光量:

exposures_barplot(in_exposures_df = CosmicValid_cutoffGen_LCDlist$exposure, in_signatures_ind_df = CosmicValid_cutoffGen_LCDlist$out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

和相对风险:

exposures_barplot(in_exposures_df = CosmicValid_cutoffGen_LCDlist$norm_exposure, in_signatures_ind_df = CosmicValid_cutoffGen_LCDlist$out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

3.3.4带有特定信号截止的LCD分析

当使用LCD_complex_cutoff，我们必须提供一个截点向量，它的分量和签名的分量一样多。在上面进行的分析中，这些都是相等的，但这不是一个必要条件。实际上，为不同的签名提供不同的截断可能是有意义的。

Specific_cutoff_vector <- general_cutoff_vector Specific_cutoff_vector [c(1,5)] <- 0 Specific_cutoff_vector

# # [1] 0.00 0.06 0.06 0.06 0.00 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 - 0.06 # # [16] 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06

在本例中，签名AC1和AC5的截止值因此设置为0，而所有其他签名的截止值保持为0.06。运行函数LCD_complex_cutoff完全是类似的:

CosmicValid_cutoffSpec_LCDlist <- LCD_complex_cutoff(in_mutation_catalogue_df =淋巴瘤ature2013_mutcat_df, in_signatures_df = current_sig_df, in_cutoff_vector = specific_cutoff_vector, in_sig_ind_df = current_sigInd_df)

为可视化绘制绝对曝光量:

exposures_barplot(in_exposures_df = CosmicValid_cutoffSpec_LCDlist$exposure, in_signatures_ind_df = CosmicValid_cutoffSpec_LCDlist$out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

和相对风险:

barplot(in_exposures_df = CosmicValid_cutoffSpec_LCDlist$norm_exposure, in_signatures_ind_df = CosmicValid_cutoffSpec_LCDlist$out_sig_ind_df, in_subgroups_df = COSMIC_subgroups_df)

##警告:' offset '已弃用，请使用' location '代替。

注意，使用特定于签名的截止提取的签名与此处显示的示例相同。根据分析的队列和截断的选择，提取的签名可能有很大的差异。YAPSA的一个独特特性是它还提供了最佳的特定于签名的截止，这个主题在另一篇文章中进行了解释装饰图案．