Usos de R en Genómica en la era del high throughput

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Usos de R en Genómica en la era del high throughput"

Esperanza García Botella
hace 8 años
Vistas:

1 Usos de R en Genómica en la era del high throughput 2do encuentro de usuarios de R de Argentina Lic. Estefania Mancini 15 de noviembre de 2013 R y genómica 15 de noviembre de / 32

2 Organización 1 Dogma central de la Biología Molecular Genómica 2 Next Generation Sequencing Historia Ejemplo de protocolo de secuenciación Output 3 Bioconductor Historia Paquetes ShortRead biomart GenomicRanges, Rsamtools, leebamviews, GenomicFeatures cummerbund 23andMe 4 Consejos y conclusiones R y genómica 15 de noviembre de / 32

Historia Paquetes ShortRead biomart GenomicRanges, Rsamtools, leebamviews,

3 Dogma central R y genómica 15 de noviembre de / 32

4 Dogma central Tamaño de los genomas en pb R y genómica 15 de noviembre de / 32

5 Secuenciación Determinar la secuencia de pares de bases en un ácido nucleico R y genómica 15 de noviembre de / 32

6 Secuenciación R y genómica 15 de noviembre de / 32

7 Next Generation Sequencing R y genómica 15 de noviembre de / 32

8 Next Generation Sequencing Ejemplo del protocolo de Illumina R y genómica 15 de noviembre de / 32

Next Generation Sequencing http://omicsmaps.

9 Next Generation Sequencing R y genómica 15 de noviembre de / 32

10 Next Generation Sequencing R y genómica 15 de noviembre de / 32

11 Next Generation Sequencing Para recordar Secuenciación por síntesis Altamente paralelizada Se pueden secuenciar de ambos extremos Material genómico fragmentado Millones de lecturas cortas R y genómica 15 de noviembre de / 32

de ambos extremos Material genómico fragmentado Millones

12 Next Generation Sequencing Output FASTQ TTAATCTACAGAATAGATAGCTAGCATATATTT +HWI-EAS255_4_FC2010Y_1_43_110_790 R y genómica 15 de noviembre de / 32

13 Next Generation Sequencing The big GAP R y genómica 15 de noviembre de / 32

14 Next Generation Sequencing Caminos posibles Si se secuenció material genómico (ADN) Ensamblar, anotar Encontrar diferencias con el genoma previamente ensamblado/anotado (SNPs) Si se secuenció transcriptoma (ARN) Ensamblar, anotar Encontrar diferencias con el transcriptoma previamente ensamblado/anotado Analizar qué genes están activos ChipSeq, SNPs, Muchas otras opciones... R y genómica 15 de noviembre de / 32

(ARN) Ensamblar, anotar Encontrar diferencias con el transcriptoma previamente ensamblado/anotado

Historia http://www.bioconductor.org/ source("http://bioconductor.

15 Historia source(" bioclite() R y genómica 15 de noviembre de / 32

16 Paquetes para análisis de HTS R y genómica 15 de noviembre de / 32

17 Ejemplos de workflows Control de calidad de archivos fastq library(shortread); library(ggplot2) fastq <- paste("data/", fastq, sep="") names(fastq) <- paste("flowcell6_lane", 1:length(fastq), sep="_") fqlist <- seefastq(fastq=fastq, batchsize=100000, klength=8) seefastqplot(fqlist) seefastqplot(fqlist[4:1], arrange=c(1,2,3,4,6,7)) pdf("fastqreport.pdf", height=18, width=4*length(fastq)) seefastqplot(fqlist) dev.off() R y genómica 15 de noviembre de / 32

seefastq(fastq=fastq, batchsize=100000, klength=8) seefastqplot(fqlist) seefastqplot(fqlist[4:1],

18 Ejemplos de workflows R y genómica 15 de noviembre de / 32

19 Ejemplos de workflows R y genómica 15 de noviembre de / 32

20 Ejemplos de workflows biomart library("biomart") listmarts() ensembl <- usemart("ensembl") listdatasets(ensembl) goids = getbm(attributes=c(entrezgene, go_id), filters=entrezgene, values=entrez, mart=ensembl) utr5 = getsequence(chromosome=3, start= , end= , type="entrezgene", seqtype="5utr", mart=ensembl) protein = getsequence( id=c(100, 5728), type="entrezgene", seqtype="peptide", mart=ensembl) R y genómica 15 de noviembre de / 32

getsequence(chromosome=3, start=185514033, end=185535839, type="entrezgene", seqtype="5utr", mart=ensembl) protein

21 Ejemplos de workflows GenomicRanges, Rsamtools, leebamviews library(genomicranges); library(rsamtools); library(leebamviews) testfile <- system.file("bam", "isowt5_13e.bam", package = "leebamviews") aligns <- readbamgappedalignments(testfile) rname(aligns) <- sub("^sc", "", rname(aligns)) rname(aligns) <- sub("13", "XIII", rname(aligns)) alignscan <- scanbam(testfile); names(alignscan[[1]]) R y genómica 15 de noviembre de / 32

22 Ejemplos de workflows GenomicFeatures library(genomicfeatures) txdb <- maketranscriptdbfromucsc(genome="saccer2", tablename="sgdgene") exonranges <- exonsby(txdb, "tx") genomedb <- maketranscriptdbfromgff(file="tair_10.gff", format=gff, datasource="tair", species="athaliana") introns<-intronsbytranscript(genome, use.names=true) exons <-exonsby(genome, by="gen") transcripts<-transcriptsby(genome) Guardamos la DB en formato sqlite genome <- loaddb("genomaatsql.sqlite") #20M R y genómica 15 de noviembre de / 32

23 Ejemplos de workflows GenomicRanges, Rsamtools, leebamviews, GenomicFeatures counts <- countoverlaps(exonranges, aligns) numbases <- sum(width(reduce(exonranges))) genelengthsinkb <- (numbases/1000) millionsmapped <- sum(counts)/1e+06 rpkm <- rpm/genelengthsinkb sortedrpkm <- sort(rpkm); highscoregenes <- tail(sortedrpkm) R y genómica 15 de noviembre de / 32

24 Ejemplos de workflows cummerbund R y genómica 15 de noviembre de / 32

25 Ejemplos de workflows cummerbund library(cummerbund) timecourse <- readcufflinks() csdensity(genes(timecourse)) dispersionplot(genes(timecourse)) csboxplot(genes(timecourse)) gene.features<-annotation(genes(timecourse)) gene.fpkm<-fpkm(genes(denti)) gene.counts<-count(genes(denti)) data(sampledata) count(pink1) g1 <- expressionplot(at2g46830)expressionplot(at2g46830) g1.rep.iso <- expressionplot(isoforms(at2g46830), replicates=t) R y genómica 15 de noviembre de / 32

26 Ejemplos de workflows cummerbund R y genómica 15 de noviembre de / 32

27 Ejemplos de workflows cummerbund R y genómica 15 de noviembre de / 32

28 Ejemplos de workflows 23andMe R y genómica 15 de noviembre de / 32

$txt", sep="\t", header=false, colclasses=c("character", "character", "numeric", "character"), col.$

29 Ejemplos de workflows 23andMe library(gwascat) d <- read.table(" txt", sep="\t", header=false, colclasses=c("character", "character", "numeric", "character"), col.names=c("rsid", "chrom", "position", "genotype")) tmp <- d$chrom d$chrom = ordered(d$chrom, levels=c(seq(1, 22), "X", "Y", "MT")) R y genómica 15 de noviembre de / 32

30 Ejemplos de workflows 23andMe library(txdb.hsapiens.ucsc.hg18.knowngene) txdb <- TxDb.Hsapiens.UCSC.hg18.knownGene class(txdb) tx.by.gene <- transcriptsby(txdb, "gene") library(org.hs.eg.db) my.snps <- with(d, GRanges(seqnames=chrom, IRanges(start=position, width=1), rsid=rsid, genotype=genotype)) R y genómica 15 de noviembre de / 32

31 Consejos y Conclusiones Consejos y Conclusiones subsetear los inputs samplear a un taman apropiado para estadistica iterar en blouqes los datasets grandes siempre que se pueda, paralelizar guardar los objeto en formato RData eliminar los objetos del entorno armar funciones para automatizar las rutinas R y genómica 15 de noviembre de / 32

32 R y genómica 15 de noviembre de / 32

Documentos relacionados

Genómica y transcriptómica para la generación de datos en Evolución

recuadro Genómica y transcriptómica para la generación de datos en Evolución Gabriela Bedó Genómica. Sus objetivos Compilar todas las secuencias de un organismo Establecer la localización de los genes