使用biomaRt查找转录起始位点

时间:2012-10-22 13:11:07

标签: r bioconductor

我在R中使用biomaRt来查询ensembl的hsapiens人类基因数据库。我使用函数getBM来获取所有基因的名称,起始位置和停止位置,但我找不到用于检索TSS(转录起始位点)的正确属性。可能是因为它被认为与seqType= c("3utr", "5utr")相同吗?

3 个答案:

答案 0 :(得分:6)

可以使用listAttributes在数据框中检索完整的可查询属性列表。然后只需要搜索你想要的属性。

mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
att <- listAttributes(mart)
grep("transcript", att$name, value=TRUE)

会给你一个相当长的列表,就像这样开始

 [1] "ensembl_transcript_id"                                        
 [2] "transcript_start"                                             
 [3] "transcript_end"                                               
 [4] "external_transcript_id"                                       
 [5] "transcript_db_name"                                           
 [6] "transcript_count"                                             
 [7] "transcript_biotype"                                           
 [8] "transcript_status"                                            
 [9] "clone_based_ensembl_transcript_name"                          
[10] "clone_based_vega_transcript_name"             

然后您可以继续使用这些名称进行查询

getBM(attributes=c("transcript_start", "transcript_end"),
      filters="hgnc_symbol", values="foxp2", mart=mart)

你得到了

   transcript_start transcript_end
1         113726382      114330960
2         113726494      114271639
3         113726615      114330155
4         113728221      114066565
5         113728221      114271650
6         114054329      114330218
7         114055052      114139783
8         114055052      114333827
9         114055110      114330155
10        114055113      114330200
11        114055275      114269037
12        114055374      114285885
13        114055378      114330012
14        114066555      114294198
15        114066557      114271754
16        114066557      114282629
17        114066570      114294198
18        114055052      114333823
19        114268613      114329981
20        113726615      114310038

如果你想所有 所有基因的成绩单删除filtervalues参数,但要注意你会得到很多数据即将到来。

答案 1 :(得分:2)

现在可以下载转录起始网站的特定属性:transcription_start_site

library("biomaRt")
ensembl = useMart("ensembl", dataset = "hsapiens_gene_ensembl")
attributes = listAttributes(ensembl, page = "structure")
attributes[grep("transcript", attributes$description, ignore.case = TRUE), ]
#                         name                                description
# 178    ensembl_transcript_id                      Ensembl Transcript ID
# 183         transcript_start                      Transcript Start (bp)
# 184           transcript_end                        Transcript End (bp)
# 185 transcription_start_site             Transcription Start Site (TSS)
# 186        transcript_length Transcript length (including UTRs and CDS)
# 195         transcript_count                           Transcript count
# 201                     rank                    Exon Rank in Transcript

例如,这是基因BTC的结果。请注意,由于它位于反向链(strand == -1)上,因此transcription_start_site的值与transcript_end的值相同。基本上,下载transcription_start_site是一种捷径,因此您无需根据基因所在的链确定转录本的哪一端是TSS。

tss <- getBM(attributes = c("transcription_start_site", "chromosome_name",
                            "transcript_start", "transcript_end",
                            "strand",  "ensembl_gene_id",
                            "ensembl_transcript_id", "external_gene_name"),
             filters = "external_gene_name", values = "BTC",
             mart = ensembl)
tss
# transcription_start_site chromosome_name transcript_start transcript_end strand
# 1                 75635873     HG706_PATCH         75612096       75635873     -1
# 2                 75660403     HG706_PATCH         75610476       75660403     -1
# 3                 75719896               4         75669969       75719896     -1
# 4                 75695366               4         75671589       75695366     -1
# ensembl_gene_id ensembl_transcript_id external_gene_name
# 1 ENSG00000261530       ENST00000567516                BTC
# 2 ENSG00000261530       ENST00000566356                BTC
# 3 ENSG00000174808       ENST00000395743                BTC
# 4 ENSG00000174808       ENST00000512743                BTC

答案 2 :(得分:0)

我相信&#34; transcript_start&#34;和&#34; transcript_end&#34;是翻译起始和终止站点,但不一定是TSS(转录起始站点)。

查看&#34; start_position&#34;和&#34; end_position&#34;属性,这些似乎是TSS(+ strand的start_position和 - strand的end_position),因为它们始终是+ strand的不同转录本的transcript_start选项的最小数量,以及 - strand的transcript_end选项的最大数量