08月01 轉(zhuǎn)錄調(diào)控研究中公共數(shù)據(jù)整合分析思路

分析思路1

 

? ? ? ?共表達(dá)分析中，整合大量相關(guān)公共樣本測(cè)序數(shù)據(jù)，可構(gòu)建出相較于常規(guī)樣本量下可靠度更高的基因共表達(dá)網(wǎng)絡(luò)，從而基于該網(wǎng)絡(luò)進(jìn)行更加準(zhǔn)確的后續(xù)分析：a）預(yù)測(cè)目標(biāo)轉(zhuǎn)錄因子的下游調(diào)控基因、目標(biāo)調(diào)控網(wǎng)絡(luò)中的關(guān)鍵轉(zhuǎn)錄因子；b）預(yù)測(cè)ncRNA與mRNA之間的靶向關(guān)系；c）基于網(wǎng)絡(luò)中已知功能基因推測(cè)同網(wǎng)絡(luò)中其他功能未知基因功能；e)?將每個(gè)共表達(dá)模塊分別作為一個(gè)整體，計(jì)算其與各組織或各發(fā)育時(shí)間點(diǎn)之間的相關(guān)性，建立各組織相關(guān)或各時(shí)期相關(guān)基因表達(dá)網(wǎng)絡(luò)……

思路解析：

一般認(rèn)為，在功能上具有相關(guān)性的基因在生物體內(nèi)具有相似的表達(dá)模式，比如轉(zhuǎn)錄因子與其下游調(diào)控基因、lncRNA與其反式調(diào)控的靶基因、處于同一代謝通路的基因等在功能上都具有相關(guān)性，因此，研究者可根據(jù)每個(gè)基因的表達(dá)模式，來判斷上述幾種相互關(guān)系。

生信分析中，研究者可使用共表達(dá)分析的方法，基于轉(zhuǎn)錄組測(cè)序數(shù)據(jù)，分析每個(gè)基因的表達(dá)模式，最終將不同的基因劃入各自所在的表達(dá)模式網(wǎng)絡(luò)中，常用的共表達(dá)分析方法主要有兩種WGCNA與k-means，大樣本量下（15組以上的樣本）建議使用WGCNA，該算法相較于K-means，采用對(duì)相關(guān)系數(shù)取冪加權(quán)處理、考慮兩個(gè)基因間的間接相關(guān)等優(yōu)化算法，使得構(gòu)建的共表達(dá)網(wǎng)絡(luò)更加符合基因調(diào)控網(wǎng)絡(luò)的無尺度網(wǎng)絡(luò)分布（scale-free networks）、基因間可間接調(diào)控等特征。

無論是使用哪種方法進(jìn)行共表達(dá)分析，從統(tǒng)計(jì)學(xué)的角度來看，樣本量越大，預(yù)測(cè)的基因表達(dá)模式分辨率更高，構(gòu)建的共表達(dá)網(wǎng)絡(luò)也就越可靠。受限于項(xiàng)目經(jīng)費(fèi)，很多研究者便借助公共數(shù)據(jù)庫擴(kuò)充這類共表達(dá)分析中的樣本量。

支持文獻(xiàn)思路概述：

a) Jennnifer等人鑒定了Specialized Metabiolic（后面簡(jiǎn)稱SM）代謝通路相關(guān)基因，此類基因種類較少，且序列保守性較低，難以通過常規(guī)的序列同源比對(duì)的方法預(yù)測(cè)，因此研究者采用了基于基因表達(dá)量的共表達(dá)分析方法，參考少數(shù)已知功能基因，鑒定存在于不同植物中的SM代謝相關(guān)基因以及SM代謝網(wǎng)絡(luò)。研究者搜集了8個(gè)植物物種的10個(gè)基因共表達(dá)數(shù)據(jù)集合的21,876個(gè)實(shí)驗(yàn)的基因芯片和RNA-seq公共數(shù)據(jù)，構(gòu)建了各個(gè)物種中高可靠度的基因共表達(dá)模塊。為了說明本研究鑒定SM途徑方法的可靠性，篩選了甲硫氨酸來源的脂肪族硫代葡萄糖苷生物合成途徑（metGSL）及基因，與鑒定的共表達(dá)基因模塊進(jìn)行比較分析。在擬南芥中，共表達(dá)基因模塊鑒定了metGSL生物合成每一步的基因，以及一個(gè)特異的轉(zhuǎn)運(yùn)子和3個(gè)轉(zhuǎn)錄因子。比如，在最小的N1（共17個(gè)基因）網(wǎng)絡(luò)中，metGSL途徑的34個(gè)酶基因中14個(gè)均在這個(gè)模塊中，該模塊中只有3個(gè)基因是功能上未鑒定屬于metGCL的。在網(wǎng)絡(luò)中，還發(fā)現(xiàn)參與metGSL相關(guān)生化過程的一些基因，如激酶APK1和APK2、細(xì)胞色素P450基因CYP79B2和CYP79B3。因此，利用該研究中建立的共表達(dá)網(wǎng)絡(luò)可較為準(zhǔn)確預(yù)測(cè)SM代謝通路相關(guān)基因，該成果發(fā)表于The Plant Cell雜志【文獻(xiàn)詳細(xì)解讀見附件1】。

共表達(dá)基因模塊重現(xiàn)擬南芥metGSL生物合成途

b)Yu C等人，為了揭示與玉米子葉發(fā)育各個(gè)時(shí)期相關(guān)的轉(zhuǎn)錄因子-調(diào)控基因（之后簡(jiǎn)稱TF-TFBS）調(diào)控網(wǎng)絡(luò)，利用公共數(shù)據(jù)，將樣本量從9組個(gè)擴(kuò)充至22組，進(jìn)行WGCNA分析，建立了與玉米子葉發(fā)育各個(gè)時(shí)期相關(guān)共表達(dá)模塊?；诠脖磉_(dá)信息，并參考基因GO注釋、TF-TFBS數(shù)據(jù)庫（TRANSFAC、JASPAR、AthaMap等），總共得到176個(gè)TF-TFBS，成果發(fā)表于PNAS雜志?！?strong>原文題目見附件2】

TF-TFBS預(yù)測(cè)過程

c)Wen Z等人，為了鑒定與大鼠各個(gè)發(fā)育時(shí)期各個(gè)組織相關(guān)的ncRNA及其與mRNA共同參與的調(diào)控網(wǎng)絡(luò)，從GEO數(shù)據(jù)庫中下載得到Y(jié)ing等人上傳的原始轉(zhuǎn)錄組測(cè)序數(shù)據(jù)（GSE53960），數(shù)據(jù)集中包含來自四個(gè)發(fā)育時(shí)間點(diǎn)的32只大鼠的320個(gè)bodymap樣本的轉(zhuǎn)錄組測(cè)序數(shù)據(jù)。首先基于測(cè)序數(shù)據(jù)進(jìn)行轉(zhuǎn)錄本組裝、定量、ncRNA鑒定、差異表達(dá)等前期分析，然后基于基因定量結(jié)果，使用方差分析（analysis variance，ANVOA）鑒定不同的發(fā)育時(shí)期、不同的組織部位中或性別間顯著差異的基因（Benjamin-Hochberg corrected p-value < 0.05），鑒定獲得的差異基因即為時(shí)期相關(guān)、組織相關(guān)或性別發(fā)育相關(guān)基因，之后利用WGCNA分別對(duì)上述各個(gè)基因集構(gòu)建共表達(dá)網(wǎng)路模塊，最終鑒定得到32個(gè)器官發(fā)育相關(guān)模塊、4個(gè)性別發(fā)育相關(guān)模塊、14個(gè)發(fā)育時(shí)期相關(guān)模塊。該成果發(fā)表于Scientific Reports雜志【文獻(xiàn)詳細(xì)解讀見附件1】。

發(fā)育時(shí)期相關(guān)共表達(dá)模塊

d)LiJ等人為了全面鑒定豬的長鏈非編碼RNA（lincRNAs）和探索lincRNAs在豬植入前胚胎發(fā)育（PED）過程中可能發(fā)揮的作用，從NCBI-SRA數(shù)據(jù)庫中下載得到五個(gè)豬RNA-Seq數(shù)據(jù)集。基于測(cè)序數(shù)據(jù)進(jìn)行轉(zhuǎn)錄本組裝和篩選后獲得了7,618個(gè)lincRNAs。在分析了豬lincRNAs的結(jié)構(gòu)特點(diǎn)、表達(dá)模式、組織特異性和順式作用后，對(duì)胚胎發(fā)育階段相關(guān)lincRNAs和mRNAs進(jìn)行了WGCNA分析，鑒定出了23個(gè)共表達(dá)模塊，其中5個(gè)顯示發(fā)育階段特異性。qRT-PCR分析4細(xì)胞階段特異性模塊中的樞紐基因集后發(fā)現(xiàn)了兩個(gè)與PED密切相關(guān)的lincRNA：TCONS_00166370 和TCONS_00020255。該成果發(fā)表于Scientific Reports雜志【文獻(xiàn)詳細(xì)解讀見附件1】。

共表達(dá)網(wǎng)絡(luò)分析PED相關(guān)lincRNAs

分析思路2

 

????研究某一類基因的轉(zhuǎn)錄水平在不同處理下（或不同組織部位間、或不同發(fā)育時(shí)間點(diǎn)等）的變化規(guī)律，可整合多個(gè)類似研究中的公共測(cè)序數(shù)據(jù)來共同揭示該變化規(guī)律，使結(jié)果更加可靠。

思路解析：

該思路相對(duì)比較簡(jiǎn)單，但是若論點(diǎn)新穎，多個(gè)項(xiàng)目或多個(gè)物種的數(shù)據(jù)均對(duì)此論點(diǎn)支持，該分析也可單獨(dú)成文；該分析也可作為對(duì)常規(guī)轉(zhuǎn)錄調(diào)控分析的補(bǔ)充，從常規(guī)分析得到的一些相關(guān)基因中挑選一些關(guān)鍵基因，在其他物種、其他類似項(xiàng)目中尋找對(duì)該類關(guān)鍵基因在該項(xiàng)目中某種變化規(guī)律的支持證據(jù)，可以提升常規(guī)分析的廣度。

支持文獻(xiàn)思路概述：

?a）sweet基因家族編碼一類外排轉(zhuǎn)運(yùn)蛋白（efflux transporter），與糖運(yùn)輸、韌皮部裝載、宿主-病原菌互作、生殖組織發(fā)育相關(guān)，這類基因的研究主要集中在水稻與擬南芥中，而在大豆中的研究幾乎是空白。

Gunvant P等人搜集了公共數(shù)據(jù)庫中兩個(gè)大豆RNA-seq數(shù)據(jù)集，分別包含14、10個(gè)樣本，均涵蓋生殖組織（花、花芽、種子等）與營養(yǎng)組織（根、莖、幼苗等）。研究者首先基于水稻、擬南芥的sweet家族基因序列，通過blast比對(duì)，在大豆的基因組中鑒定得到52個(gè)大豆sweet家族基因，并對(duì)該類基因在染色體上的分布和編碼蛋白的domain結(jié)構(gòu)與其他13個(gè)物種（涵蓋單子葉、雙子葉、藻類、苔蘚類）中sweet基因家族的進(jìn)化關(guān)系進(jìn)行了簡(jiǎn)單分析。

兩個(gè)數(shù)據(jù)集中大豆的RNA-seq數(shù)據(jù)分析結(jié)果表明，大部分大豆sweet家族基因在種子和花中轉(zhuǎn)錄上調(diào)，所有sweet基因在到達(dá)種子灌漿期前轉(zhuǎn)錄水平一直上調(diào)，之后到達(dá)種子成熟前一直下調(diào)，這與之前的在其他物種中研究得到的該基因家族與生殖組織發(fā)育相關(guān)的結(jié)論是一致的。該成果發(fā)表與BMC Genomics雜志。

b）Matthijs M等人通過分析自測(cè)RNA-seq數(shù)據(jù)在三角褐指藻發(fā)現(xiàn)了一類可響應(yīng)氮脅迫的新型轉(zhuǎn)錄因子RGQ1，為了進(jìn)一步驗(yàn)證該轉(zhuǎn)錄因子是否在其他硅藻中存在并且也同樣具有響應(yīng)氮脅迫的功能，研究者從公共數(shù)據(jù)庫中下載到了其他兩種硅藻類似研究中的數(shù)據(jù)，發(fā)現(xiàn)，RGQ1在這兩種硅藻中也存在，且參與了對(duì)氮脅迫的響應(yīng)。成果表于Plant Physiology雜志?！?strong>詳細(xì)解讀結(jié)果見附件1】

 

其他分析思路

 

整合同一物種公共測(cè)序數(shù)據(jù)，構(gòu)建物種完備轉(zhuǎn)錄本序列參考集，用于后續(xù)功能分析。

支撐文獻(xiàn)：

• Iyer MK et al. The landscape of long noncoding RNAs in the human transcriptome. ??Nat Genet. ?2015 ?

文獻(xiàn)概要：整合來源25個(gè)項(xiàng)目，18個(gè)組織，7256個(gè)樣品RNA測(cè)序數(shù)據(jù)，使用cufflinks分別重構(gòu)各組織轉(zhuǎn)錄本，之后使用用戶自己開發(fā)的meta-assembly算法找出各組織中高豐度轉(zhuǎn)錄本，最后使用cuffmerge對(duì)各樣本組裝得到的轉(zhuǎn)錄本進(jìn)行合并，最終建立高質(zhì)量的人類轉(zhuǎn)錄本序列參考集，用于后續(xù)功能分析。

• Wang M et al. ?Long noncoding RNAs and their proposed functions in fibre development of cotton (Gossypium spp.). ?New Phytol. 2015

文獻(xiàn)概要：整合170多個(gè)棉屬RNA-seq數(shù)據(jù)集，以海島考基因組為參考，使用tophat+cufflinks流程進(jìn)行轉(zhuǎn)錄本重構(gòu)（各樣本分開組裝）并預(yù)測(cè)其中的lncRNA，之后進(jìn)行棉纖維發(fā)育相關(guān)lncRNA鑒定。

mRNA-ncRNA聯(lián)合分析中，利用公共數(shù)據(jù)補(bǔ)充其中一種類型的RNA測(cè)序數(shù)據(jù)

支撐文獻(xiàn)：

• Liu X et al. MicroRNA-mRNA regulatory networking fine-tunes the porcine muscle fiber type, muscular mitochondrial respiratory and metabolic enzyme activities. ?BMC Genomics. 2016

文獻(xiàn)概要：聯(lián)合之前項(xiàng)目的高肉品與低肉品豬mRNA測(cè)序數(shù)據(jù)與本次項(xiàng)目中的miRNA測(cè)序數(shù)據(jù)，并通過pearson相關(guān)系數(shù)建立miRNA與豬肉品質(zhì)各項(xiàng)指標(biāo)之間的聯(lián)系，最終建立與豬肉品質(zhì)各項(xiàng)指標(biāo)相關(guān)的mRNA-miRNA調(diào)控網(wǎng)絡(luò)。

• Yin H et al. Phylogenetic tree-informed microRNAome analysis uncovers conserved and lineage-specific miRNAs in Camellia during floral organ development.J Exp Bot.2016

文獻(xiàn)概要：研究者取紅杜鵑山茶花的葉、雄蕊、雌蕊心皮、花瓣、花芽5個(gè)部位進(jìn)行了miRNA測(cè)序，之前項(xiàng)目中組裝得到的紅杜鵑山茶花的轉(zhuǎn)錄本序列為參考，進(jìn)行了novel miRNA的預(yù)測(cè)。之后通過miRNA表達(dá)模式的分析，鑒定到了兩類分別傾向在雄蕊或雌蕊中特異高表達(dá)的miRNA，進(jìn)一步利用miRNA靶基因的功能信息，揭示了這些miRNA在花器官發(fā)育過程中發(fā)揮的生物學(xué)功能。

 

 

 

附件2公共數(shù)據(jù)整合分析文獻(xiàn)列表

 

整合公共數(shù)據(jù)建立物種基因共表達(dá)網(wǎng)絡(luò)

[1] Wisecaver JH?et al. A Global Coexpression Network Approach for Connecting Genes to Specialized Metabolic Pathways in Plants. Plant Cell.?2017

[2]Wen Z et al.Expression profiling and functional annotation of noncoding genes across 11 distinct organs in rat development.Sci Rep.?2016

[3] Li?J?et al. Identification and functional analysis of long intergenic noncoding RNA genes in porcine pre-implantation embryonic development.?Sci Rep. 2016

[4] Yu?C et al. Transcriptome dynamics of developing maize leaves and genomewide prediction of cis elements and their cognate transcription factors. Proc Natl Acad Sci?. 2015

[5] Khan FA et al. Analysis of Bos taurus and Sus scrofa X and Y chromosome transcriptome highlights reproductive driver genes. ??Oncotarget.?2017

?

利用公共數(shù)據(jù)，研究基因家族轉(zhuǎn)錄水平變化規(guī)律

[6] Patil G. ?et al. Soybean (Glycine max) SWEET gene family: insights through comparative genomics, transcriptome profiling and whole genome re-sequence analysis. BMC Genomics.?2015

[7]Matthijs M?et al.Profiling of the Early Nitrogen Stress Response in the Diatom Phaeodactylum tricornutum Reveals a Novel Family of RING-Domain Transcription Factors. Plant Physiol.?2016

 

基于公共數(shù)據(jù)建立物種完備轉(zhuǎn)錄組本參考序列

[8]Wang M et al. Long noncoding RNAs and their proposed functions in fibre development of cotton (Gossypium spp.). New Phytol. 2015

[9]Iyer MK et al. The landscape of long noncoding RNAs in the human transcriptome. ??Nat Genet.??2015

[10]Hong Y, et al.?Genome-wide identification and characterization of long intergenic noncoding RNAs and their potential association with larval development in the Pacific oyster. Sci Rep,?2016.

[11] Li J, et al.?Identification and functional analysis of long intergenic noncoding RNA genes in porcine pre-implantation embryonic development.?Sci Rep,2016.

?

基于公共數(shù)據(jù)進(jìn)行ncRNA-mRNA聯(lián)合分析

[12] Xu W et al. Genomic DNA Methylation Analyses Reveal the Distinct Profiles in Castor Bean Seeds with Persistent Endosperms. Plant Physiol.?2016

[13] Liu X et al. MicroRNA-mRNA regulatory networking fine-tunes the porcine muscle fiber type, muscular mitochondrial respiratory and metabolic enzyme activities. BMC Genomics.?2016

?

其他分析思路

[14] Sudmant PH, et al.?Meta-analysis of RNA-seq expression data?across species, tissues and studies. Genome Biol, 2015.

[15] Lu L, et al. The goose genome sequence leads to insights?into the evolution of waterfowl and susceptibility?to fatty liver. Genome Biol,?2015.

[16] Shin SC, et al.?Dynamic shifts in occupancy by TAL1?are guided by GATA factors and drive large-scale reprogramming of gene expression during hematopoiesis.?Genome?Res,?2014

[17] Xie D, et al. Rewirable gene regulatory networks in the?preimplantation embryonic development?of three species.?Genome Res,?2010