R/BioC序列处理之四:BSgenome简介

  • A+
所属分类:Script

一、BSgenome和BSgenome数据包

Bioconductor提供了某些物种的全基因组序列数据包,这些数据包是基于Biostrings构建的,称为BSgenome数据包。不同物种的BSgenome数据包都有类似的数据结构,可以用统一的方式进行处理。但是BSgenome数据包仅包含有数据,它们的处理的方法由另外一个软件包提供,即BSgenome包。

先安装BSgenome包(如果没有安装):

载入BSgenome包,并查看当前版本提供的BSgenome数据包:

获取拟南芥的BSgenome数据包(BSgenome.Athaliana.TAIR.TAIR9):

载入BSgenome.Athaliana.TAIR.TAIR9包,查看数据信息:

二、BSgenome方法

BSgenome数据包内包含的序列为DNAString,DNAStringSet或MaskedDNAString对象,完全可以使用Biostrings包的方法进行处理:

下面使用sapply函数统计碱基组成和GC含量。如果不熟悉sapply函数,请参考这篇文章。

但是BSgenome包试图提供一些简便的方法来处理基因组水平的BSgenome类数据,例如类似于apply函数的bsapply函数。要使用bsapply函数得先构建BSParams类对象,用于设置以下参数:

  • X:将要处理的BSgenome对象
  • FUN:将要对X中每条染色体进行处理函数
  • exclude:字符向量,表示排除的染色体名称
  • simplify:逻辑向量,它的意义和与sapply的simplify参数一样。默认为FALSE,bsapply返回GenomeData类数据;如果设置为TRUE,函数的结果尽量使用表格(数据框)类型显示
  • maskList:逻辑向量,表示各染色体使用掩膜的应用状态
  • motifList:字符向量,对序列进行掩膜的motif
  • userMask:RangesList对象,每个元素将用于对响应染色体进行掩膜处理,为用户提供额外的掩膜。
  • invertUserMask:TRUE/FALSE,表示是否对userMask进行反转。

FUN函数的其他参数可以在bsapply函数中以有名参数的方式进行设置。 下面代码的作用和前面sapply函数的应用是相同的:

BSgenome包实现了BSgenome类对象的matchPWM,countPWM,vmatchPattern,vcountPattern,vmatchPDict和vcountPDict等操作,除继承了Biostrings中相应的方法外还增加了一些针对BSgenome类对象的参数设置(和bsapply函数参数类似):

BSgenome包还提供了其他一些方法,比如用户自行构建BSgenome数据包和SNP的处理等。这些不在我的关心范围之内,没去了解。

原文来自:http://blog.csdn.net/u014801157/article/details/24372467

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: