1简介

RNA测序(RNA-seq)已被用作测量基因、转录本、外显子或剪接连接表达丰度的标准技术。许多定量方法被提出来定量这种丰度与RNA-seq读取比对器的组合。目前很难评估最佳方法的性能，部分原因是运行评估实验的高成本以及运行这些算法的计算要求。我们开发了一系列统计摘要和数据可视化技术来评估转录本量化的性能。

的rnaseqcompR-package执行比较，并在这些统计摘要上提供直接图。它要求输入作为量化表列表，表示来自两个条件数据集上比较管道的量化。使用这些管道上的必要元信息(如。名称)和量化特征的注释信息(如。成绩单信息)，两步分析将生成所需的评估。

1. 数据过滤和数据校准。在这一步中，提供了对原始数据进行任何过滤和校准操作的选项。一个S4班rnaseqcomp对象将为下一步生成。

2. 统计总结评估和可视化。提供了特异性和敏感性评估函数。

2开始

在R中加载包

库(rnaseqcomp)

3.准备数据

对于每个比较的管道，一个量化表应该是\ (m * n \)矩阵,\ \(米)对应于量化特征的数量(如。成绩单)和\ (n \)对应于样本数量。这个函数signalCalibrate将这些矩阵的列表作为输入之一，并提供额外的选项，如管道的元信息、用于评估的特征和用于校准的特征，并返回一个S4rnaseqcomp对象，该对象包含用于下游求值的所有内容。

在这一步中我们需要额外的选项有以下几个原因:

1. 管道的元信息基本上是检查表列完整性的因素，并为下游分析提供管道的唯一名称。

2. 由于不同特征之间可能存在巨大的量化差异，如。在蛋白质编码基因和lincRNA基因之间，基于特征子集的评估比使用所有相关特征的评估具有更强的鲁棒性。因此，提供了选择特征子集的选项。

3. 由于不同的管道可能报告不同的量化单位，例如FPKM(每百万千碱基的片段数)，RPKM(每百万千碱基的读取数)，TPM(每百万转录数)等。跨不同管道的校准是必要的。选项提供了校准基于哪些特性，以及信号映射到哪些管道。

4. 特征标注主要提供不同类型特征之间的差异表达状态和元关系，例如哪些转录本属于哪些基因。

我们在这里展示了一个选择管家基因的例子(Eisenberg and Levanon 2013)在1号染色体上进行校准，并使用所有转录本进行评估。在这个小插图中，我们将使用嵌入式数据集simdata作为一个例子来说明这个包。

该数据集包括对两个模拟细胞系的15776个转录本进行量化，每个细胞系有8个重复。模拟了真差异表达转录本。从两个管道(RSEM(Li and Dewey 2011)和FluxCapacitor(Montgomery et al. 2010))均包含在此数据集内。

#加载数据集在这个包中的数据(simdata)类(simdata) ##[1]“列表”名称(simdata) ##[1]“quant”“meta”“samp”

在这里，包括量化simdata美元量化．包含转录本的Meta信息simdata元美元，包括它们是否属于家养基因以及它们模拟的真实折叠变化状态。示例信息包括在simdata桑普美元．

为了适应函数signalCalibrate，对于额外的选项，需要对因子或逻辑向量进行必要的转换，如下图所示。

condInfo <- factor(simdata$samp$condition) repInfo <- factor(simdata$samp$ replication) evaluationFeature <- rep(TRUE, nrow(simdata$meta)) calibrationFeature <- simdata$meta$house & simdata$meta$chr == 'chr1' unitReference <- 1

的返回值。signalCalibrate是S4rnaseqcomp对象，其中的一般信息可以通过泛型函数查看显示．

dat <- signalCalibrate(simdata$quant, condInfo, repInfo, evaluationFeature, calibrationFeature, unitReference, calibrationFeature2 = calibrationFeature) class(dat) ## [1] "rnaseqcomp" ## attr(，"package") ## [1] "rnaseqcomp" show(dat) ## rnaseqcomp: RNA-seq量化管道的基准测试## ##量化管道:2 ##总转录本:15776 ## 2个条件的总样本:16个

4可视化的基准

目前，这个包可以评估五种类型的QC指标。详情请参阅我们的论文(Teng et al. 2016)．

plotSD(dat,ylim=c(0,1.4)) ## $med ## rsem fluxcapacitor ## A<=1 0.65 0.99 ## 1=6 0.21 0.32 ## ## $se ## rsem fluxcapacitor ## A<=1 0.003 0.005 ## 1=6 0.001 0.002

plotNE(dat,xlim=c(0.5,1)) ## $ n# # rsem flux电容## 0 0.097 0.163 ## 1 0.073 0.145 ## 2 0.049 0.120 ## 3 0.034 0.095 ## ## $ n# ## rsem flux电容## 0 0.615 0.559 ## 1 0.692 0.629 ## 2 0.768 0.704 ## 3 0.832 0.775

plot2TX(dat,genes=simdata$meta$gene,ylim=c(0,0.6)) ## $mean ## rsem fluxcapacitor ## A<=1 0.41 0.44 ## 1=6 0.04 0.07 ## ## $se ## rsem fluxcapacitor ## A<=1 0.014 0.016 ## 1=6 0.003 0.004

plotROC(dat,simdata$meta$positive,simdata$meta$fcsign,ylim=c(0,0.8)) ## rsem fluxcapacitor ## 0.630 0.512

Simdata $meta$fcsign[Simdata $meta$fcstatus == "off.]on"] <- NA plotFC(dat,simdata$meta$positive,simdata$meta$fcsign,ylim=c(0,1.2)) ## $med ## rsem fluxcapacitor ## A<=1 0.53 0.39 ## 1=6 0.93 0.85 ## ## $se ## rsem fluxcapacitor ## A<=1 0.012 0.016 ## 1=6 0.007 0.013

5总结

在这篇短文中，我们主要介绍这个包中包含的主要功能，并尝试说明它们是如何工作的。所使用的数据实际上是我们在论文中展示的数据的一部分。我们证明，通过将这些指标组合在一起，人们可以很容易地得到他们的运行管道性能如何，并在此基础上做出进一步的决定。