Bioinformatics

정규식을 사용하면 매우 편하게 원하는 정보를 획득할 수 있습니다.

>dme-miR-13b-2-5p MIMAT0020797 Drosophila melanogaster miR-13b-2-5p

GCGUCAAAAUGACUGUGAGCUAUG

>dme-miR-14-5p MIMAT0020798 Drosophila melanogaster miR-14-5p

GGGAGCGAGACGGGGACUCACU

>dme-miR-14-3p MIMAT0000120 Drosophila melanogaster miR-14-3p

UCAGUCUUUUUCUCUCUCCUAU

>mmu-let-7g-5p MIMAT0000121 Mus musculus let-7g-5p

UGAGGUAGUAGUUUGUACAGUU

>mmu-let-7g-3p MIMAT0004519 Mus musculus let-7g-3p

ACUGUACAGGCCACUGCCUUGC

>mmu-let-7i-5p MIMAT0000122 Mus musculus let-7i-5p

UGAGGUAGUAGUUUGUGCUGUU

>mmu-let-7i-3p MIMAT0004520 Mus musculus let-7i-3p

CUGCGCAAGCUACUGCCUUGCU

>mmu-miR-1a-1-5p MIMAT0016979 Mus musculus miR-1a-1-5p

ACAUACUUCUUUAUAUGCCCAUA

위와 같은 텍스트 파일에서  >mmu와 다음줄만 남기고 싶다면 많은 방법이 있겠지만 다음과 같은 코드로도 추출할 수 있습니다.

import re

f = open("mature.fa", "r") //원하는 파일을 불러옵니다

mmu = [] //빈배열을 만듭니다

lines = f.readlines()

count = 0

for line in lines :

    if count == 1 :

        mmu.append(line)

        count = 0

    if re.search('^>mmu',line):

        print("A")

        mmu.append(line)

        count = 1

결과

>mmu-let-7g-5p MIMAT0000121 Mus musculus let-7g-5p

UGAGGUAGUAGUUUGUACAGUU

>mmu-let-7g-3p MIMAT0004519 Mus musculus let-7g-3p

ACUGUACAGGCCACUGCCUUGC

>mmu-let-7i-5p MIMAT0000122 Mus musculus let-7i-5p

UGAGGUAGUAGUUUGUGCUGUU

>mmu-let-7i-3p MIMAT0004520 Mus musculus let-7i-3p

CUGCGCAAGCUACUGCCUUGCU

>mmu-miR-1a-1-5p MIMAT0016979 Mus musculus miR-1a-1-5p

ACAUACUUCUUUAUAUGCCCAUA

R도 프로그래밍 언어이기 때문에 소프트웨어를 개발할 수 있습니다.

R에서 일반적으로 변수와 함수를 선언하고 값을 줄때,

a<-NULL

a<-"a" a<-1 

Info <- function(){} 과 같이 사용합니다.

하지만 모든 프로그래밍 언어에서는 함수(ex.Info)가 종료되게 되면 안에서 쓴 변수들은 메모리에서 삭제되기 때문에 필요한 경우 전역변수와 정적변수를 이용합니다.

간단하게 예를 들어보자면 다음과 같이 표현됩니다.

하지만 전역 변수가 많아지면 내가 만든 프로그램이라고 할지라도 보수작업이 힘들기 때문에 프로젝트가 커지게 되면 상당히 조심스럽게 다뤄야합니다.  

Miso 분석이란 ?

MISO 분석은 Mixture Of Isoforms의 약자로 2개의 RNA-seq 데이터에서 Isoform이나 exon의 변화를 측정하고 확률을 계산해 주는 software를 이용한 분석입니다. 또한, Bayesian 통계방법을 기반으로 추정치에 대한 신뢰 구간과 신뢰성을 알 수 있습니다.(참고, Bayesian 통계는 Bioconductor의 Limma와 EdgeR등 생물학적 기반 분석에서 많이 활용됩니다.)

Miso분석 pipe line

-----RUNNING MISO-----

1. GFF format의 annotation file이 필요합니다. ( MISO 공식 사이트에서 제공해주는 것이나 개인이 가지고 있는 것도 가능. 단, MISO에서는 hg18, hg19, mm9, mm10만 제공해주는 것으로 파악됩니다.)

2. RNA-seq data에서 mapping이 끝나고 나오는 sorting된 BAM file Format의 파일이 필요합니다.

3. GFF file 과 BAM 파일을 이용해 MISO를 실행합니다.

결과로 miso.bf file을 얻을 수 있습니다. (참고, 결과 dataset)

-----ANALYZING RESULTS-----

1. Skipped exons (SE)
2. Alternative 3’/5’ splice sites (A3SS, A5SS)
3. Mutually exclusive exons (MXE)
4. Retained introns (RI)

Data를 splicing 유형에 따라 분석되게 되며 이러한 분류는 위에 명시된 mm9, mm10, hg18, hg19에서만 이용할 수 있습니다.

각 column을 살펴봅니다.

1. event_name : chromosome번호와 위치정보가 나타납니다.

2. sample1 | sample2_miso_posterior_mean: 각 샘플의 Ψ(psi) 값이 나타납니다.

3. sample1 | smaple2_ci_low | high : 샘플1 | 2 에 신뢰구간을 나타내 줍니다.

4. diff : 샘플1 & 샘플 2의 Ψ(psi) 값의 차이를 나타내 줍니다.

5. bayes_factor: 일종의 신뢰도로 일반적으로 p-value와 같은 의미

6. sample1_counts: sample1에 대한 raw count(아래의 그림을 참고)

7. sample1 | smaple2_assigned_counts: sample1 | 2 isoform에 할당된 reads 수 (0:330,1:34  first isoform에 330개, second isoform에 34개의 reads가 mapping 됨)

추가적으로 psi value와 ci value는 따로 정리해서 업로딩 할 것이며 MISO visualization figure인 sashimi_plot에 대해서도 추가적으로 업로딩하겠습니다.

reference

1. Katz Y, Wang ET, Airoldi EM, Burge CB. (2010). Analysis and design of RNA sequencing experiments for identifying isoform regulation. Nature Methods 7, 1009-1015.
2. Wang ET, Sandberg R, Luo S, Khrebtukova I, Zhang L, Mayr C, Kingsmore SF, Schroth GP, Burge CB. (2008). Alternative Isoform Regulation in Human Tissue Transcriptomes. Nature 456, 470-476