如何获得基因组CpG位点信息 —— Package：BSgenome.Hsapiens.UCSC.hg19

Posted 2023-04-04

参考技术A 运行结果如下：

如此根据染色体序号循环即可得到保存整个基因组的CpG位点的RData。

BSgenome.Hsapiens.UCSC.hg19 包是基于IRanges，GenomeInfoDb，GenomicRanges， Biostrings，XVector这些包所所构建的。

Biostrings 是 BSgenome.Hsapiens.UCSC.hg19 的一个基础包，其中的 matchPattern() 函数用于根据设定的 pattern 寻找目标 string 的起始和结束位点。结合 BSgenome.Hsapiens.UCSC.hg19 包的基因组数据可用于建立一些数据集，如CpG位点data；或保存其他的定序列的位点信息。

eQTL

首先QTL是数量性状位点，比如身高是一个数量性状，其对应的控制基因的位点就是一个数量性状位点，而eQTL就是控制数量性状表达位点，即能控制数量性状基因（如身高基因）表达水平高低的那些基因的位点。
 

数量性状基因座：控制数量性状的基因在基因组中的位置称数量性状基因座。常利用DNA分子标记技术对这些区域进行定位，与连续变化的数量性状表型有密切关系

表达数量性状基因座（expression Quantitative Trait Loci,eQTL）是对上述概念的进一步深化，它指的是染色体上一些能特定调控mRNA和蛋白质表达水平的区域，其mRNA/蛋白质的表达水平量与数量性状成比例关系。eQTL可分为顺式作用eQTL和反式作用eQTL，顺式作用eQTL就是某个基因的eQTL定位到该基因所在的基因组区域，表明可能是该基因本身的差别引起的mRNA水平变化；反式作用eQTL是指某个基因的eQTL定位到其他基因组区域，表明其他基因的差别控制该基因mRNA水平的差异。
 

eQTL就是把基因表达作为一种性状,研究遗传突变与基因表达的相关性: 就好像研究遗传突变与身高的相关性一样

早年可以通过同时做一个个体的SNP芯片和cDNA芯片, 在全基因组尺度研究突变与表达的相关性, 这种研究需要较多个体(例如1000个); 现在随着深度测序的出现,很多人开始用RNA-Seq在较少量个体中研究allele-specific expression,本质上就是eQTL.

简单地说, 遗传学研究经常发现一些致病或易感突变, 这些突变怎样导致表型有时候不太直观; 所以用某个基因的差异表达作为过渡: 突变A-->B基因表达变化-->表型;

 

From https://www.cnblogs.com/Acceptyly/p/3904108.html

=====================================================

从基因的改变到疾病等现象的出现，中间缺失了重要的一环，那就是基因的表达。也许在测序中，我们可以看到某一个基因上某一个位置的变化（比如说SNP单核苷酸变化），但是这种变化并不一定会影响mRNA的产生或者蛋白的改变。也就有可能不会影响到疾病或其他生物学过程。于是科学家想到了另一个指标——mRNA的序列数据。因为只有被表转译到mRNA上的基因，才可能进一步表达为蛋白（图1）。

 

 图1：eQTL是沟通基因改变与疾病的桥梁

但是要怎么搞清DNA改变是怎么影响mRNA的出现呢？这一过程被称为Expression quantitative trait loci（eQTL） 分析，目的在于得到单个DNA突变与单个基因表达量之间的相关性。与单个基因mRNA表达量相关的DNA突变，就被称为eQTL。

简单来讲，我们首先通过全基因组测序获得每个个体的DNA全序，然后以同种族的其他个体作为参照，标记出该个体所有的DNA变异位点， 称为SNP位点。同时，我们通过全基因组mRNA表达量测序得到该个体的特定组织样本中的基因表达量。以全部DNA变异位点为自变量，轮流以每种mRNA表达量为因变量，用大量的个体数据做样本进行线性回归，就可以得到每一个SNP位点和每一个mRNA表达量之间的关系。

GTEx是第一个收集了多个人体器官mRNA测序的数据库，并提供了跨器官的eQTL研究平台。

当前使用的GTEx v6p版本的原始数据来自于449名生前健康的遗体捐献者的44个不同的器官。图2是不同器官里面样本数的直观展示。由这个图可以看出，这一数据库中涉及的数据覆盖面非常广，数据量大，具有重要的应用潜力。

 

 图2：GTEx 样品取材来源图示。灰色字体为 cis-eQTL 数／trans-eQTL数

 
链接：https://www.jianshu.com/p/2e1e9d3ccd63

=====================================================

 常见问题

eQTL分析可以研究哪些疾病？
    近年来许多科学家运用eQTL联合GWAS分析的方法，寻找致病风险位点，这些联合分析的方法已应用在类风湿性 关节炎、肾病、精神分裂等疾病的研究中。

eQTL对非编码区功能怎样进行研究？
    通过eQTL分析，可以解释非编码区基因突变与基因表达之间的调控关系。系统的了解基因转录的调控机制，构建 基因表达调控网络。

eQTL分析怎样进行药物处理前后反应的研究？
    对药物处理前后的机体/细胞进行eQTL的差异分析，可以很好的研究药物处理前后反应的差异，为寻找药物作用靶 点，以及药物作用机制提供基因层面的证据。

怎样利用eQTL分析进行人群队列研究？
    在进行人群队列研究中，可以进行eQTL分析，通过比较不同人群中eQTL的差异，充实人群队列研究结果，寻找不同 人群中基因差异与基因表达调控的关系。

from http://www.novogene.com/tech/service/eQTL/QA/

=====================================================

 

=====================================================

 

=====================================================