怎么用r语言分析rnaseq数据

Python08

怎么用r语言分析rnaseq数据,第1张

seq函数是产生序列用的他的用法是seq(from,to,by)或者是seq(下界,by=,length=) 下面是用r运行的结果 seq(2,6,2) [1] 2 4 6 seq(10,by=2,length=5) [1] 10 12 14 16 18

先说下生物体内RNA的大致组成:

编码RNA:根据中心法则我们知道,DNA转录为mRNA,mRNA通过tRNA翻译为蛋白质,蛋白质行使生命功能,例如呼吸,运动,消化等等。人类只有2万左右个蛋白质编码基因,这些编码基因只占人类全基因组的2%左右。mRNA占细胞RNA总量的2%~5%, tRNA占细胞RNA总量的15%左右。

非编码RNA:有些DNA转录为RNA后,不继续编码蛋白质,这种RNA叫非编码RNA(ncRNA),包括microRNA,lncRNA,cirRNA,之前人们认为这些RNA是“垃圾”,但是近年来的研究证明,这些RNA对编码基因发挥着重要的调控作用,是当下研究的热点。

rRNA:核糖体RNA,占RNA总量的80%左右。

广义上说占总RNA95%左右的rRNA和tRNA也属于非编码RNA,但是一般研究中,使用的是它的狭义概念,即除去rRNA和tRNA之外的非编码RNA。

正常情况下,非编码RNA调控基因的转录翻译,这些都是有序进行的。

但是当处于异常条件下,或者由于自身衰老变异或者受到外部的刺激,比如细菌病毒的感染,射线照射等,这之后往往导致非编码RNA表达的变化,进而影响蛋白表达的变化,从而引起一系列的病理反应,最终导致疾病。

那么反过来,如果我们想了解某一疾病具体的发病机理,我们是不是可以提取某一疾病状态下组织或者细胞的总RNA,去分析它们和正常组表达的异同,我们有理由相信,这些差异表达的RNA分子,很可能与发病机制有关,研究这些差异分子,可以给我们对这一疾病的发病机制的研究提供重要线索,从而研发出更有效的诊断和治疗方法。

通过上面的分析,接下来面临的问题就是,我怎么分析某一疾病状态下组织或者细胞所有RNA的表达情况,一个一个分析,肯定不现实,而且可能还有很多未被发现但是很重要的分子。怎么办?只有一个办法,转录组测序,即RNA-Seq, 某一条件下所有转录出来的RNA碱基序列,我都给你测出来是什么。

那么这涉及6个步骤

1、提取组织或细胞总RNA后,除去占大部分的rRNA和tRNA,剩下编码RNA 和非编码RNA

2、对这些RNA进行测序,理想情况下,是直接检测,但是不现实,只有通过碱基互补配对的合成过程,才能知道原来样品中模板的序列,但是这个合成的长度是有限制的,所以只能先把这些RNA切割成小片段,再检测这些小片段的序列。具体原理见陈巍学基因视频。这个过程得到两种数据,一种是许许多多的碱基序列,一个是这些序列的表达频率。也就是一个是RNA是什么碱基序列,一个是RNA表达了多少量

3、由于上一步把RNA切割了,好像是一块拼图打散了,所以,这一步需要将这一个个的小块再重新拼成一个完整的图片。也就是比对,将检测到的RNA碱基序列,比对到参考基因组上,看某段RNA位于参考基因组的哪段序列上。这一步就好像一个拼好的拼图,上面有高高低低的小块,有些分子表达量高,它对应那个小块就高,反之就低。通过这一步,实验组和对照组都得到一个高高低低的拼图。

4、把实验组和对照组的拼图比较一下,看哪些RNA小块表达量是不一样的。或者你高我低,或者我高你低,从而得到这些差异表达基因名字的列表。因此这一步的结果都是一些基因名字或者转录本编号了。

5、将这些差异表达的分子,进行下游功能分析,比方看看它们都跟什么信号通路相关啊,可能跟什么功能有联系啊等等。这一步得到的就是很多结果图了。

6、下一步就是将筛选到的差异基因,结合你感兴趣的生物学功能或者过程,挑选出几个,进行再进一步的机制研究。这步就是湿实验了,也是决定文章层次的核心,这是需要人力和财力,再加上运气的事情,不过就算不做这一步,前5步也能发篇小文章灌灌水了。由于这一步涉及基础医学的机制研究方法,不在这篇文章的讨论范围内。

样品送测序仪器后,也就是上述第2步后得到会产生大量的数据,可能是多少个G的级别,有几万,甚至几十万的碱基序列,首先你要比对到参考基因组吧,然后你要看看实验组和对照组哪些基因表达有差异吧,其实这不是很复杂的事情,就是数据量太大了,如果就几十个,你完全可以用EXCEL查找,再标记,但是几十万个基因,谁能做到啊。所以现在需要一种工具,可以对数据进行批量编辑和操作。

感谢计算机发达的技术,前人早就帮我们想出来。Linux操作系统就可以实现对大量数据的批量编辑

,R语言可以实现大量数据的统计和做图。

好了,我们的下一步就是学习Linux操作系统和R语言了。

但是这两个部分包含了很多很多的知识,我们完全零基础,要是从头开始学,效率有点低,毕竟不是专业计算机出身,不需要一下子把所有东西都学会,先把目前需要掌握的学到,将来再举一反三,慢慢学其它的。

所以现在就开始模拟实战,从一个测序数据的样本开始,看看是怎么一步步得到文章中的结果的。

未完待续...

这两天宝宝得了幼儿急疹,耽误了几天,现在真的是上有老,下有小了,生活的压力会逼得你迅速成长起来。到这个时候才能深刻体会到时间是非常宝贵的,尽量少干不必要的事情,抓紧提升吧~