转录组分析工具可谓是数不胜数，今天介绍的一个R包-RNASeqR，可以一键解决转录组分析，下面简单介绍其部署及使用。

1）环境需求：

  • R >= 3.5.0
  • 需要安装 HISAT2、STAR 、StringTie和Gffcompare 并且加入系统的环境变量
  • Python: Python2或者Python3

2）安装RNASeqR

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("RNASeqR")
# 安装示例数据
BiocManager::install("RNASeqRData")

3）准备输入数据文件

4）示例


library(RNASeqR)
library(RNASeqRData)

input_files.path <- system.file("extdata/", package = "RNASeqRData")
rnaseq_result.path <- "/tmp/RNASeqR/"
dir.create(rnaseq_result.path, recursive = TRUE)

对于单端测序数据（ “SE” ，single-end）：


exp <- RNASeqRParam(path.prefix = rnaseq_result.path, 
                    input.path.prefix = input_files.path, 
                    genome.name = "Saccharomyces_cerevisiae_XV_Ensembl", 
                    sample.pattern = "SRR[0-9]*_XV",
                    independent.variable = "state", 
                    case.group = "60mins_ID20_amphotericin_B", 
                    control.group = "60mins_ID20_control",
                    fastq.gz.type = "SE")

对于双端测序数据（ PE”，paired-end）：


exp <- RNASeqRParam(path.prefix = rnaseq_result.path, 
                    input.path.prefix = input_files.path, 
                    genome.name = "Saccharomyces_cerevisiae_XV_Ensembl", 
                    sample.pattern = "SRR[0-9]*_XV",
                    independent.variable = "state", 
                    case.group = "60mins_ID20_amphotericin_B", 
                    control.group = "60mins_ID20_control",
                    fastq.gz.type = "PE")

序列比对


# 使用Hisat2进行比对
RNASeqReadProcess_CMD(exp, Hisat2.Index.run=TRUE, 
                      Hisat2.Alignment.run = TRUE)
# 使用STAR进行
RNASeqReadProcess_CMD(exp, STAR.Alignment.run=TRUE, 
                      Hisat2.Index.run=FALSE, 
                      Hisat2.Alignment.run = FALSE)

基因水平的差异分析


# 一键式
RNASeqDifferentialAnalysis_CMD(exp)

基本可以做的常规的分析及图都有了，总体来说是比较便捷的。

参考资料：

1.https://www.bioconductor.org/packages/release/bioc/vignettes/RNASeqR/inst/doc/RNASeqR.html

阅读: 423