中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

打開APP
userphoto
未登錄

開通VIP,暢享免費電子書等14項超值服

開通VIP
RNA-seq miRNA-seq聯(lián)合分析

RNA-seq miRNA-seq聯(lián)合分析

背景知識

肝癌細(xì)胞經(jīng)常會入侵門靜脈系統(tǒng),從而導(dǎo)致門靜脈癌栓,但是還沒有一個詳盡的研究來討論其中的作用機制,因此需要對肝癌組織(tumor),門靜脈組織(PVTT),癌旁組織(normal)進行采樣分析。

數(shù)據(jù)來源

數(shù)據(jù)來源于2017年5月24日清華大學(xué)更新的miRNA-seq,DNA methylation, CNV, RNA-seq

項目標(biāo)題:The molecularlandscape of hepatocellular carcinoma with portal vein tumor thrombosis

實驗設(shè)計:

提取了來自20個中國肝癌患者的腫瘤組織,門靜脈組織和癌旁組織,共計60個樣本,分別對其進行miRNA-seq,甲基化分析,拷貝數(shù)變異分析和RNA-seq分析。

數(shù)據(jù)下載網(wǎng)址:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE77276

RNA-seq數(shù)據(jù)分析

數(shù)據(jù)預(yù)處理

由于此數(shù)據(jù)原始數(shù)據(jù)sra太大,沒有表達矩陣,提供了測序序列reads經(jīng)過標(biāo)準(zhǔn)化以后,在每個基因上的數(shù)目(normalized_count),將各個樣本reads count文件合并就可以得到表達矩陣。

差異表達基因篩選

根據(jù)文獻所述,使用R包DESeq2篩選差異表達基因,DESeq2使用負(fù)二項分布產(chǎn)生的線性模型,具體原理可見如下網(wǎng)址

http://www.bioconductor.org/packages/release/bioc/vignettes/DESeq2/inst/doc/DESeq2.html#theory-behind-deseq2

分組方式:源數(shù)據(jù)為肝癌組織(tumor),門靜脈組織(PVTT),癌旁組織(normal),然而由于門靜脈組織也屬于病變組織的一種,可以和tumor劃分為一類

最終在pvalue<0.001的條件下篩選出5676個差異表達基因,具體可以參見文件condition_treated_results.txt

聚類熱圖

對前20個差異表達基因繪制聚類熱圖,可以發(fā)現(xiàn)normal和tumor明顯分開,這說明DESeq2找出來的差異表達基因還是蠻不錯的。

圖表 1聚類熱圖

深度分析

為了進一步探索數(shù)據(jù)和結(jié)果,繪制MA-plot,橫坐標(biāo)為每個基因上reads的數(shù)目(標(biāo)準(zhǔn)化后);縱坐標(biāo)為log2fold change,即變化的程度;每個點就是一個基因,紅色小點為pvalue<0.001的基因;只繪制了log2foldchange在(-3,+3)以內(nèi)的基因,即改變程度在(0.125,8)倍的基因,對于不在此范圍內(nèi)的基因,用三角形的標(biāo)志畫在邊界線上。

圖表 2MA-plot

可以從圖中看出來,黑色部分大致形成一個三角形,而紅色部分(差異表達基因)包裹在黑色三角形外圍。這說明用DESeq2的負(fù)二項分布模型找出來的差異表達基因,大部分都是reads數(shù)目多(測序深度高),且表達量差異很大的基因。

 

接下來繪制某一基因在不同組織的表達量。選取p值最小的那個基因

圖表 3某一基因的表達量

PVTT和tumor在差異表達基因篩選的時候合為兩組,此時繪圖的時候仍然將它們分開??梢钥吹紼NSG00000077152在normal和PVTT+tumor間表達量明顯不同。

 

再接下來可以進行主成分分析,對整個表達矩陣計算主成分,然后選取前面兩個主成分繪制PCA圖,可以看見PCA1代表了原本36%的信息量,PCA2代表了原本10%的信息量,然后normal和其他兩類比較能分得開,比起之前那次作業(yè)芯片數(shù)據(jù),這次的緊致性要好得多。

圖表 4PCA圖

miRNA-seq數(shù)據(jù)分析

數(shù)據(jù)處理過程和上面的RNA-seq一樣,把代碼切換一下目錄就成。

在2578個miRNA中,共有199個差異表達(pvalue<0.001),繪制MA-plot發(fā)現(xiàn)上調(diào)的居多,


圖表 5MA-plot

接下來,也對差異表達的部分做了聚類熱圖,發(fā)現(xiàn)對于差異表達的部分,兩組確實分得挺開的。

圖表 6聚類熱圖

接下來也挑了p值最小的miRNA繪制reads count圖,發(fā)現(xiàn)兩組之間的差異確實蠻明顯的。

圖表 7p值最小miRNA

最后,進行了主成分分析,繪制PCA圖,緊致性不如上面的RNA-seq,應(yīng)該是前兩個PCA代表的信息太少的緣故,第一主成分只有代表源數(shù)據(jù)19%的信息,第二主成分代表17%的信息,倆主成分加起來才有剛剛一個主成分那么多信息(RNA-seq第一主成分就有36%)。

圖表 8PCA圖

聯(lián)合分析

MAGIA(miRNA和基因整合分析)是一個進行靶預(yù)測、miRNA和基因表達數(shù)據(jù)整合分析的新的網(wǎng)絡(luò)工具。接下來,使用magia進行miRNA與基因相互作用的聯(lián)合分析。

網(wǎng)址:http://gencomp.bio.unipd.it/magia/analysis/

Step1

由于miRNA-seq和RNA-seq是來源相同的配對數(shù)據(jù),而且樣本數(shù)有60個。聯(lián)合分析算法選擇MATCHED:Mutual Information

MATCHED: Mutual Information: a classicinformation measure quantifying the mutual dependence of variables, includingnon-linear relationships. Suitable for large sample size (>20 needed).

Step2

接下來的預(yù)測方式選擇Pita和miRanda的交集

Pita score filter:-10 Miranda score filter:500(都是默認(rèn)值)

Step3

接下來將上面分析出來的差異表達矩陣分別上傳,分析即可。下面就是繪制出來的相互作用網(wǎng)絡(luò)圖。

圖表 9相互作用網(wǎng)絡(luò)

紅色三角形為miRNA,綠色圓形為基因。

紅色圈圈是看上去連線比較多的幾個miRNA,比較重要,名字分別是:hsa-miR-760、hsa-miR-1303 、hsa-miR-671-5p、hsa-miR-324-3p、hsa-miR-423-3p

還能做出來相互作用(interaction)的程度,下載為tsv文件

就是一張包含了MicroRNA、Gene Symbol、MutualInformation的表,Mutual Information指互信息,是信息論里一種有用的信息度量,它可以看成是一個隨機變量中包含的關(guān)于另一個隨機變量的信息量,或者說是一個隨機變量由于已知另一個隨機變量而減少的不肯定性。

也就是說,在這里MutualInformation就可以看做兩者的相關(guān)程度。

就比如在下圖表的截圖中可以看出來,hsa-mir-1303和其對應(yīng)的靶基因DBF4B、hsa-mir-501-5p和其對應(yīng)的靶基因KIF2C就有很強的相關(guān)性。


圖表 10相互作用表

GO注釋

使用Gene Ontology官網(wǎng)上的在線注釋功能即可,輸入剛剛相互作用網(wǎng)絡(luò)interactions.tsv文件中的基因名,進行biologicalprocess(生化反應(yīng)),molecularfunction(分子功能),cellularcomponent(細(xì)胞定位)三方面的富集分析,通過富集分析可以找出在統(tǒng)計上顯著富集的GO Term,這些富集的條目有可能與研究的目前有關(guān)。


圖表 11biological process


圖表 12molecular function


圖表 13cellular component

看上去確實有一些相關(guān)的富集條目,比如分子功能:染色體綁定(chromatin binding);生化過程:有絲分裂過程(mitotic cell cycle);細(xì)胞定位:染色體部位(chromosomal part),這些都和癌癥細(xì)胞的產(chǎn)生有著重要關(guān)系。

結(jié)語

本次實驗使用的是配對的miRNA和mRNA表達譜文件,這給了我們一個通過生物信息學(xué)工具構(gòu)建miRNA-mRNA相互作用網(wǎng)絡(luò)的好機會,在系統(tǒng)層次的分析表明,我們找到了許多的重要miRNA和mRNA,這些對于肝癌起始和發(fā)展的過程中起著重要作用。這個全局的“miRNA-mRNA相互作用網(wǎng)絡(luò)”對于篩選miRNA靶基因和發(fā)現(xiàn)新的治療靶標(biāo)有著重要意義。

本站僅提供存儲服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊舉報。
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
miRNA介紹、命名原則、功能分析、miRNA數(shù)據(jù)庫大全
miRNA可作為早期診斷MF的生物標(biāo)記物?
干貨--microRNA必備知識系列
三種方法提取miRNA成熟體序列
miRNA前體、miR-5p、miR-3p
【原創(chuàng)】【掃盲貼】miRNA命名規(guī)則
更多類似文章 >>
生活服務(wù)
熱點新聞
分享 收藏 導(dǎo)長圖 關(guān)注 下載文章
綁定賬號成功
后續(xù)可登錄賬號暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點擊這里聯(lián)系客服!

聯(lián)系客服