TxRegInfra:支持TxRegQuery
2020年10月28日
内容
##警告:“TxRegInfra”包已弃用，将从## Bioconductor 3.13版本中删除1简介
TxRegQuery通过整合eQTL、数字基因组足迹(DGF)、DnaseI超敏结合数据(DHS)和转录因子结合位点(TFBS)数据来探索转录调控网络。由于新出现的组织特异性数据量大，因此使用了特殊的数据模式。
2使用mongodb管理床文件内容
2.1查询txregnet数据库
我们有一个长时间运行的服务器来响应查询。我们关注的是mongolite作为接口。
2.1.1连接
suppressPackageStartupMessages({图书馆(TxRegInfra)图书馆(mongolite)图书馆(Gviz)图书馆(EnsDb.Hsapiens.v75)图书馆(BiocParallel)注册（SerialParam())})con1 =蒙戈（url =URL_txregInAWS（）,db =“txregnet”）con1# # < Mongo集合>“测试”# # $总(管道=“{}”,选项= "{\“allowDiskUse \”:真}”,处理程序= NULL,页大小= 1000,迭代= FALSE) # # $ count(查询 = "{}") ## $ 断开(gc = TRUE) # # $(键,查询截然不同 = "{}") ## $ 下降()# #美元出口(con = stdout (), bson = FALSE,查询= "{}"字段=“{}”,那种= "{\“_id \”:1}”)# # $找到(查询=“{}”字段= "{\“_id \”:0}”,类型=“{}”,跳过= 0,限制= 0,处理程序= NULL,页大小= 1000)# #美元进口(案子,bson = FALSE) # #美元指数(添加=零,remove = NULL) ## $info() ## $insert(data, pagesize = 1000, stop_on_error = TRUE，…)## $iterate(query = "{}"， fields = "{\"_id\":0}"， sort = "{}"， skip = 0, limit = 0, limit = "{}") ## $mapreduce(map, reduce, query = "{}"， sort = "{}"， limit = 0, out = NULL, scope = NULL) ## $remove(query, just_one = FALSE) ## $rename(name, db = NULL) ## $replace(query, update = "{}"， upsert = FALSE) ## $run(command = "{\"ping\":1}"， simplify = TRUE) ## $update(query, update = "{\"$set\":{}}"， filters = NULL, upsert = FALSE, multiple = FALSE)我们将编写处理该对象的“字段”的方法。
蒙古石API中显反射率不高。以下是临时制作的，可能很脆弱:
## $name ## [1] "test" ## ## $db ## [1] "txregnet" ## ## $url ## [1] "mongodb+srv://user:user123@txregnet-kui9i.mongodb.net/txregnet" ## ## $options ## List of 6 ## $ pem_file: NULL ## $ ca_file: NULL ## $ ca_dir: NULL ## $ crl_file: NULL ## $ allow_invalid_hostname: logi FALSE ## $ weak_cert_validation: logi FALSE2.1.2查询和聚合
如果蒙戈实用程序作为系统命令可用，我们可以获得数据库中的集合列表，如下所示。
##错误在system2(cmd, args = "——help"， stdout = TRUE, stderr = TRUE): ##错误在运行命令##在你的系统上安装mongodb来使用这个函数否则，只要mongolite安装时，只要知道感兴趣的集合名称，就可以在本小插图中使用它们。
我们可以从一个给定的集合中获得一个记录:
## gene_id variant_id tss_distance ma_samples ma_count maf ## 1 ENSG00000238009.2 1_807994_C_T_b37 678771 17 18 0.0233766 ## pval_名义斜率slope_se qvalue chr snp_pos A1 A2 build ## 1 0.00126668 -0.759564 0.233531 0.0742794 1 807994 C T b37查询可以使用JSON组合。我们有一个工具来生成使用mongodb聚合方法的查询。在这里，我们通过计算每条染色体在CD14细胞上的足迹统计的计数和最小值来证明这一点。
m1 =蒙戈（url =URL_txregInAWS（）,db =“txregnet”，收集=“CD14_DS17215_hg19_FP”）newagg =makeAggregator（通过=“装备”，轮式侦察车的=“统计”，op =" $分钟"，opname =“最小值”）这个聚合查询的JSON布局为
[{“美元集团”:{" _id ":“空空的美元”,“数”:{" $ sum ":[1]},“最小值”:{" $ min ":[" $统计 "] } } } ]调用返回一个数据帧:
## _id count min ## 1 chrY 827 0.01907390 ## 2 chr18 15868 0.06107950 ## 3 chr10 40267 0.00601357 ## 4 chr4 32947 0.02776440 ## 5 chr6 54728 0.00565057 ## 6 chr17 47987 0.012423103.一体化容器
我们需要绑定mongodb的元数据和信息。
3．1元数据样本
下面的代码将集合名称的特别筛选转换为DataFrame。
## 2行3列的数据帧##基础类型## <字符> <字符> ## Adipose_Subcutaneous_allpairs_v7_eQTL Adipose eQTL ## adipose_内脏al_omentum_allpairs_v7_eqtl Adipose eQTL ## mid ## <字符> ## Adipose_Subcutaneous_allpairs_v7_eQTL Subcutaneous_allpair. #### adipose_dswareal_omentum_allpairs_v7_eqtl dswareal_omentum_all ..3.2扩展RaggedExperiment
开发的一个关键方法是根据基因组坐标划分档案。
如果=GenomeInfoDb：：Seqinfo（基因组=“hg19”) [“chr17”］#修复查询基因组myg =农庄（“chr17”，IRanges（38.07 e6，38.09 e6)，seqinfo =si)s1 =sbov(myg rme1简化=假）## ..........................................## class: raggeexperiment ## dim: 1676 42 ## assays(3): chr id stat ## rownames: NULL ## colnames(42): CD14_DS17215_hg19_FP CD19_DS17186_hg19_FP…## iPS_19_11_DS15153_hg19_FP vHMEC_DS18406_hg19_FP ## colData名称(6):基类型…类型中## [1] 1676 42## flug_ds14724_hg19_fp fMuscle_arm_DS17765_hg19_FP ## chr17:38084160-38084169 0.533333 NA ## chr17:38084924-38084952 0.890476 NA ## chr17:38080857-38080891 NA 0.54902 ## chr17: 3808194 -38081926 NA 0.500004可视化的巧合
ormm =txmodels（“ORMDL3”，情节=假，name =“ORMDL3”）sar =strsplit（rownames(sa),”:| - - - - - -”）一个=as.numericgr =农庄（seqnames(ormm) [1]，IRanges（一个（酸式焦磷酸钠(特别行政区,“(”，2)),一个（酸式焦磷酸钠(特别行政区,“(”，3.））））gr1一起=grgr1一起＄分数=1-sa (,1］gr2 =grgr2＄分数=1-sa (,2］那么=DataTrack(gr1一起,name =《外交政策》“绿肺”）星际2 =DataTrack(gr2name =“音乐/手臂FP”）plotTracks（列表（GenomeAxisTrack()， sc1, sc2, ormm)，showId =真正的）
5与sbov
5.1为选定的目标区间构建带注释的grange
我们从三个与肺基因组学相关的“单一概念”分析开始。v7 GTEx肺eQTL数据，肺成纤维细胞DnaseI窄峰编码报告，胎儿肺数字基因组足迹报告。
lname_eqtl =“Lung_allpairs_v7_eQTL”lname_dhs =“ENCFF001SSA_hg19_HS”#见dnmeta，肺成纤维细胞lname_fp =“fLung_DS14724_hg19_FP”si17 =GenomeInfoDb：：Seqinfo（基因组=“hg19”) [“chr17”］si17n =si17GenomeInfoDb：：seqlevelsStyle(si17n) =“NCBI”s1 =sbov(rme0 [lname_eqtl],农庄（“17”，IRanges（38.06 e6，38.15 e6)，seqinfo =si17n))# #。# #。# #。现在我们已经为每个化验注释了grange。部分eQTL数据为:
# #[1]“gene_id”“variant_id”“tss_distance”“ma_samples”“ma_count”# #[6]“加”“pval_nominal”“斜率”“slope_se”“qvalue”# #[11]“空空”“snp_pos”“A1”“A2”“构建”# #[16]“起源”GRanges对象有6个范围和4个元数据列:# # seqnames范围链| gene_id variant_id # # < Rle > < IRanges > < Rle > | <人物> <人物> # # [1]17 38061054 * | ENSG00000266469.1 17 _38061054_g_a_b37 # # [2] 17 38061439 * | ENSG00000161395.8 17 _38061439_t_c_b37 # # [3] 17 38061439 * | ENSG00000073605.14 17 _38061439_t_c_b37 # # [4] 17 38061439 * | ENSG00000172057.5 17 _38061439_t_c_b37 # # [5] 17 38061439 * | ENSG00000167914.6 17 _38061439_t_c_b37 # # [6] 17 38062196 * | ENSG00000161395.8 17 _38062196_g_a_b37 # #加pval_nominal # # <数字><数字> ## [1]0.0195822 7.72192e-04 ## [2] 0.4203660 3.99212e-04 ## [3] 0.4203660 6.87714e-10 ## [4] 0.4203660 1.08337e-10 ## [5] 0.4203660 2.15704e-10 ## [6] 0.4188480 3.09568e-04 ## ------- ## seqinfo: 1 sequence from GRCh37。p13基因组这里使用的基因和变体的名称很麻烦，最好使用符号和rsid。
addsyms =函数(x,EnsDb =EnsDb.Hsapiens.v75：：EnsDb.Hsapiens.v75) {ensids =gsub（＂\ \. . *”，＂＂, x＄gene_id)#删除职位期限gns =基因(EnsDb)x＄符号=gns [ensids]＄象征x｝s1 =addsyms(s1)注意，可以通过地址检索snp的rsid。但这是一个涉及巨大SNPlocs包的缓慢操作，我们不希望在这个小插图中直接使用它。
> snpsByOverlaps (SNPlocs.Hsapiens.dbSNP144。GRCh37, s1b) UnstitchedGPos对象，265个位置和2个元数据列:seqnames pos strand | RefSNP_id alleles_as_ambig | [1] 17 38061054 * | rs36049276 R [2] 17 38062196 * | rs4795399 Y [3] 17 38062196 * | rs2305480 R [4] 17 38062217 * | rs2305479 Y [5] 17 38062503 * | rs35104165 Y ... ... ... ... . ... ...[261] 17 38149258 * | rs58212353 K [262] 17 38149350 * | rs8073254 V [263] 17 38149411 * | rs34648856 R [264] 17 38149724 * | rs3785549 Y [265] 17 38149727 * | rs3785550 H ------- seqinfo: 25序列(1循环)from GRCh37。p13基因组 5.2基因关系的二部图
的对象s1以上计算可作为demo_eQTL_granges．我们把它转换成一个图形
## ##附加包:'graph'以下对象从'package:Biostrings': ## ## complement被屏蔽##有向边的graphNEL图##节点数= 312 ##边数= 693节点是snp和基因，当资源(在本例中是GTEx肺研究)声明关联(在本例中是snp -基因关联的FDR不超过0.10)时，就会出现边。的图库包含从图中创建关联矩阵的函数，反之亦然。
5.3通过DHS和DGF连接eqtl - snp
给定grange表示sbov结果，我们可以使用重叠计算来方便地识别eQTL SNPs、基因和超敏性或脚印区域之间的关系。
我们使用sbov_output_HS的持久实例s2上面的计算。
## seqinfo中的警告。mergexy(x, y):两个组合的对象没有共同的序列级别。(使用## suppressWarnings()屏蔽此警告。)##点击0次点击和0个元数据列的对象:## queryHits subjectHits ## ## ------- ## queryLength: 693 / subjectLength: 11 长度为0的GRangesList对象:## <0的元素>这表明有两个DHS位点与snp重叠，显示与各种基因的eQTL关联。
对于足迹数据，我们有:
## seqinfo中的警告。mergexy(x, y):两个组合的对象没有共同的序列级别。(使用## suppressWarnings()屏蔽此警告。)##命中对象，0个命中，0个元数据列:## queryHits subjectHits ## ## ------- ## queryLength: 693 / subjectLength: 107 长度为0的GRangesList对象:## <0的元素>5.4与基于fimo的TFBS的关系
我们有少量的云驻留FIMO搜索结果通过TFutils包中。
图书馆(TFutils)数据(demo_fimo_granges)seqlevelsStyle(demo_eQTL_granges) =“加州”拉普兰人(demo_fimo_granges、拉普兰人函数(x)subsetByOverlaps(demo_eQTL_granges x))## seqinfo中的警告。mergexy(x, y):两个组合的对象没有共同的序列级别。在. seqinfo中使用## suppressWarnings()来抑制此警告。mergexy(x, y):两个组合的对象没有共同的序列级别。(使用## suppressWarnings()屏蔽此警告。)## $VDR ## $VDR$ ' chr17:38070000-38090000 ' # GRanges对象0范围和17元数据列:## seqnames range strand | gene_id variant_id tss_distance ma_samples ## | ## ma_count maf pval_名义坡度slope_se qvalue chr ## <数值> <数值> <数值> <数值> <数值> ## snp_pos A1 A2构建起源符号## <整数> <因子> <因子> <因子> <字符> <字符> # ------- ## seqinfo:1个hg19基因组序列## ## ## $POU2F1 ## $POU2F1$ ' chr17:38070000-38090000 ' ## GRanges对象，0范围，17元数据列:## seqnames ranges strand | gene_id variant_id tss_distance ma_samples ## | ## ma_count maf pval_名义坡度slope_se qvalue chr ## ## snp_pos A1 A2构建起源符号## # ------- ## seqinfo: hg19基因组的1个序列