干货 | 全基因组CRISPR文库筛选数据分析——MAGeCKFlute

    近年来,全基因组CRISPR文库筛选技术被广泛应用于肿瘤及病毒相关调控因子筛选。通过同时sgRNA文库同时敲除全基因组的不同基因,经流式或药物筛选目的细胞表型,并扩增sgRNA区域序列及NGS测序,由此获得显著富集或减少的sgRNA所对应的基因。这种通过细胞表型鉴定基因表型的方式可以帮助我们快速鉴定影响肿瘤生长或病毒复制等过程中的关键基因,找到一些未知的生物学机制。那么,针对CRIPSR文库筛选测序的结果该如何分析呢?本文将为大家介绍一款非常实用的数据分析工具,即MAGeCKFlute。让我们一起来学习吧!

前期准备:

硬件:

64位电脑,大于4GB内存,安装有Linux系统,例如CentOS 7。

软件

MAGeCK v.0.5.6版本及以上(https://sourceforge.net/projects/mageck/)

MAGeCK-VISPR v.0.5.3版本及以上(https://bitbucket.org/liulab/mageck-vispr)

Conda v.4.5.4版本及以上(https://conda.io/docs/)

Python v.3.4.3版本及以上(https://www.python.org)

分析流程如图所示:

环境部署:

1. 下载及安装Miniconda(https://docs.conda.io/en/latest/miniconda.html)并存在至本地目录;

$bash path/to/file/Miniconda3-latest-Linux-x86_64.sh

2. 添加Bioconda channels,为MAGeCK创建独立的工作环境

$conda config --add channels conda-forge

$conda config --add channels bioconda

$conda create -n mageck-vispr mageck mageck-vispr python=3

$conda activate mageck-vispr

3. 安装MAGeCK NEST

从https://bitbucket.org/liulab/mageck_nest/src/master/网站下载源代码,文件名为‘mageck_nest-3.0.tar.gz’,解压缩并安装:

$cd path/to/file/

$tar -zxvf mageck_nest-3.0.tar.gz

$cd mageck_nest-3.0

$python3 setup.py install

数据分析:

1. 进入FastQ测序文件的存放目录,采用MAGeCK处理CRISPR screen测序数据:

$mageck count -l library.csv -n TreatedvsCtrl --sample-label Treated_R1,Treated_R2,Ctrl_R1,Ctrl_R2 --fastq Treated_combined_R1.fastq.gz Treated_combined_R2.fastq.gz Ctrl_combined_R1.fastq.gz Ctrl_combined_R2.fastq.gz

其中library.csv文件格式如下图所示:

2. 采用MAGeCK RRA寻找靶基因

$mageck test -k TreatedvsCtrl.count.txt -t Treated_R1,Treated_R2 -c Ctrl_R1,Ctrl_R2 -n TreatedvsCtrl_rra --remove-zero both --remove-zero-threshold 0

3.     下游分析

采用R安装MAGeCKFlute包

if (!requireNamespace("BiocManager", quietly = TRUE))

    install.packages("BiocManager")

BiocManager::install("MAGeCKFlute")

Library(MAGeCKFlute)

FluteRRA(gene_summary = "path/to/file/TreatedvsCtrl_rra.gene_summary.txt", prefix="FluteRRA", organism="hsa")

部分结果展示:

参考文献:

[1] Shalem O, Sanjana NE, Zhang F. High-throughput functional genomics using CRISPR-Cas9. Nat Rev Genet. 2015 May;16(5):299-311.

[2] Wang BB, Wang M, Zhang WB, et al. Integrative analysis of pooled CRISPR geneticscreens using MAGeCKFlute. Nat Protoc.  2019 March; 14:756-780.

怎么样,是不是很简单呢?快来试一试吧!

最后编辑于
©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 194,390评论 5 459
  • 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 81,821评论 2 371
  • 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 141,632评论 0 319
  • 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 52,170评论 1 263
  • 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 61,033评论 4 355
  • 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 46,098评论 1 272
  • 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 36,511评论 3 381
  • 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 35,204评论 0 253
  • 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 39,479评论 1 290
  • 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 34,572评论 2 309
  • 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 36,341评论 1 326
  • 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 32,213评论 3 312
  • 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 37,576评论 3 298
  • 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 28,893评论 0 17
  • 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 30,171评论 1 250
  • 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 41,486评论 2 341
  • 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 40,676评论 2 335

推荐阅读更多精彩内容