DaPars——APA分析3’UTR

Backgroud

APA(alternative polyadenylation)在大多数人类基因的转录后调控中发挥着重要作用。通过使用不同的多聚腺苷酸化(poly(A))位点,基因可以缩短或延长含有顺式调控元件的3 'UTR,如microrna (miRNA)或RNA结合蛋白(RBP)结合位点3 ' UTR。因此,APA可以影响靶信使RNA的稳定性和翻译效率以及蛋白的细胞定位。poly(A)位点的多样性可以极大地影响正常发育和疾病(如癌症)的进展。

软件

DaPars软件目前有两个版本,做了一下对比,发现DaPars2相对更灵敏,可以发现更多的基因。我也是生信小白刚入门,折腾了两天的软件,给大家避避坑。两个版本都需要python2.7的环境!!!!这个非常重要,不然python脚本会出现各种语法错误。

https://github.com/ZhengXia/dapars

https://github.com/3UTR/DaPars2

DaPars

两个版本第一步都是一样的,从参考基因组里面找到远端APA位点,然后利用一个回归模型推测近端位点。这里有一个坑!我的是小鼠的,不能使用最新版本mm39,会疯狂报错,所以我后面重新用mm10做了mapping,就顺利跑出来了。

step1

python DaPars_Extract_Anno.py -b mm10_refseq_whole_gene.bed -s mm10_Refseq_id_from_UCSC.txt -o mm10_refseq_extracted_3UTR.bed

##这一步有两个文件需要从UCSC获得:

*mm10_refseq_whole_gene.bed

genome: mouse

assembly:mm10

group: Genes and Gene Predictions

track: NCBI_REfSeq

table: refGene All

region: genome

output format: BED - browser extensible data

output file: mm10_refseq_whole_gene.bed

点‘get output’ button,下一页点‘Output refGene as BED’ 再点 ‘get output’ button.

*mm10_Refseq_id_from_UCSC.txt

genome: mouse

assembly: mm10

group: Genes and Gene Predictions

track: NCBI REfSeq

table: refGene All

region: genome

output format: selected fields from primary and related tables

output file: mm10_Refseq_id_from_UCSC.txt

点 ‘get output’ button,下一个界面选择:

name: Name of gene (usually transcript_id from GTF)

name2: Alternate name (e.g. gene_id from GTF)

点 ‘get output’ 保存文件

step2

python DaPars_main.py configure_file

##在做这一步之前需要先将mapping完的bam文件用Bamcoverage转换成bw文件(建议在这步做一下normalization),再用bigWigToWig转换成Wig格式。

##configure_file需要自己编辑,格式如下,只需修改我加粗的部分:

Annotated_3UTR=mm10_refseq_extracted_3UTR.bed

Group1_Tophat_aligned_Wig=Condition_A_chrX.wig

Group2_Tophat_aligned_Wig=Condition_B_chrX.wig

#这篇文章作者是分析了肿瘤和正常组织两个条件,所以需要分成两个group,这里根据自己的样品随便分就行,我试过不同组合,结果是一样的。如果有多个样品用逗号隔开即可

Output_directory=DaPars_Test_data/

Output_result_file=DaPars_Test_data

#这里可改可不改,就是输出文件夹的名字

Num_least_in_group1=1

Num_least_in_group2=1

Coverage_cutoff=30

FDR_cutoff=0.05

PDUI_cutoff=0.5

Fold_change_cutoff=0.59

Result

到这里就结束啦,最后输出的结果会有一个PDUI值,这个值在[0,1],越接近1其3’UTR越长。最近有点忙,先分析第一个版本,后面有空再分享第二版。

参考文献

Xia, Z., Donehower, L.A., Wheeler, D.A., Cooper, T.A., Neilson, J.R., Wagner E.J., Li, W. 2014. Dynamic Analyses of Alternative Polyadenylation from RNA-Seq Reveal 3'-UTR Landscape Across 7 Tumor Types. Nature Communications, 5:5274.

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容