6.4.RNA Editing
Last updated
Was this helpful?
Last updated
Was this helpful?
RNA编辑可能发挥多样化的调控作用。
mRNA主要存在四类RNA editing事件。
A to I editing是最常见的一类editing事件。在RNA-seq建库的过程中,逆转录的过程会把I转化为G。所以A to I的editing会体现为reads中A to G的coversion。
在DNA水平上也会存在很多单核苷酸多态性(SNP)，其中有一部分相对于参考基因组又恰好是A to G的coversion。在这类SNP和RNA编辑事件之间进行区分，理想情况下，如果我们有配套的DNA-seq数据，就可以把DNA水平上存在的A to G coversion给过滤掉，认为剩下的对应着RNA编辑事件。
下图展示了RNAeditor内部实现的分析流程。RNAeditor用bwa做RNA-seq的reads mapping，并没有用STAR,hisat2这类spliced aligner，可能是因为作者认为考虑splicing对结果影响不大。
We need a configuration file to assign the input files to the RNAeditor, here is a brief look of configuration file
注意：当使用singularity时，需要改变refGenome、gtfFile、dbSNP、hapmap、omni、esp、aluRegions、output等改成对应路径。
A-to-I RNA editing — immune protector and transcriptome diversifier. Eli Eisenberg, et al. Nature Reviews, 2018.
RNAEditor: easy detection of RNA editing events andthe introduction of editing islands. David John, et al. Briefings in Bioinformatics, 2017.
把reads mapping回参考基因组后，对于一些已知的RNA editing位点，我们可以统计落在每一个位点的reads有多少发生了editing，有多少没发生editing。用samtools mpileup命令再结合一些简单的脚本就可以实现这一目的。GATK提供的也可以很容易的实现这一点。
利用mapping的结果，我们也可以从头发现一些RNA编辑事件。我们这里介绍的这个工具用于RNA编辑事件的从头发现。下面我们简述这种从头发现的基本原理。
RNA编辑导致的A to G的转换是一种RNA水平的单核苷酸变异(SNV)，所以用中这类进行variant calling的工具原理上可以检测到这些editing事件(在一节中我们会对GATK的使用进行专门的介绍)。
在没有配套的DNA-seq数据的情况下，对于人类数据，由于人已经有很多已知的SNP，一种常见做法是从GATK计算出的A to G conversion中过滤掉已知的A to G的SNP,认为剩下来的对应着真实的editing events。采用的就是这样的策略。
请首先启动相应 ，进入工作目录。
参照RNAEditor网页上页面，理解示例文件运行完的输出结果中chr1.editingSites.vcf和chr1.editingSites.gvf的含义。根据chr1.editingSites.gvf文件，统计RNA编辑位点在基因组上的分布（3‘UTR,intron等各不同区域各有多少RNA editing sites,用柱形图或表格展示）。
有兴趣的同学还可以参考这个工具。它和我们前面介绍的用于可变剪接分析的rMATs是同一个实验室开发的，在计算组件差异的显著性时用的是同样的的统计检验。
