使用biomaRt查找转录起始站点

Question

我正在使用R中的biomaRt查询ensembl的人类基因hsapiens数据库。我正在使用函数getBM获取所有基因的名称、起始位置和停止位置，但我找不到正确的属性来检索转录起始点( TSS )。这可能是因为它被认为与seqType= c("3utr", "5utr")相同

Answer 1

可以使用listAttributes在数据框中检索可查询属性的完整列表。然后，只需在其中搜索所需的属性即可。

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

将会得到一个相当长的列表，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)

然后你就会得到

   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

如果您想要所有基因的所有转录本，请删除filter和values参数，但请注意，您将获得大量数据。

Answer 2

现在，可以下载转录起始站点的特定属性：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

举个例子，这是BTC基因的结果。请注意，因为它位于反向链(strand == -1)上，所以transcription_start_site的值与transcript_end的值相同。基本上，下载transcription_start_site是一条捷径，这样你就不必根据基因在哪条链上来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

Answer 3

我认为"transcript_start“和"transcript_end”是翻译的开始和停止站点，但不一定是转录开始站点。

查看"start_position“和" end_position”属性，这些似乎是to (+链的start_position和-链的end_position)，因为它们总是+链的不同转录本的最小数量的transcript_start选项和-链的最大数量的transcript_end选项。